Engineer IA Generativa

Descripción de la posición:

Desarrollo de sistemas de Inteligencia Artificial Generativa, incluyendo el diseño, entrenamiento y despliegue de modelos de Machine Learning y Deep Learning, así como su integración en arquitecturas de software escalables. Las funciones abarcan la aplicación de técnicas avanzadas en modelos generativos open-source y vía API, sistemas RAG, arquitecturas multiagente, colaborando con equipos multidisciplinares y aplicando metodologías de trabajo orientadas a resultados.

Responsabilidades::

• Diseñar y desarrollar software siguiendo estándares de calidad y buenas prácticas.

• Implementar, entrenar y desplegar modelos de Machine Learning, Deep Learning y Generative AI.

• Integrar soluciones en arquitecturas de software escalables para entornos productivos.

• Investigar y aplicar técnicas de vanguardia en modelos generativos y metodologías asociadas.

• Colaborar con equipos multidisciplinares y documentar progresos, hitos y riesgos.

Requisitos mínimos:

• Licenciatura o grado en ingeniería informática, de sistemas, industrial u otras ingenierías afines, o estudios en matemáticas, estadística, física u otros ámbitos relacionados.

• Mínimo 5 años de experiencia en desarrollo de software con Python.

• Mínimo 3 años de experiencia en desarrollo de modelos de Machine Learning y Deep Learning, con énfasis en NLP y LLMs (fine tuning y despliegue con HuggingFace: BERT, RoBERTa, DistilBERT, Llama, etc.).

• Experiencia en técnicas de detección de anomalías (autoencoders, isolation forests, GMM, HDBSCAN).

• Experiencia en CI/CD orientado a proyectos de IA (Git, Jenkins, GitLab, GitHub Actions).

• Conocimientos avanzados en estadística y probabilidad.

• Experiencia con PyTorch o TensorFlow y frameworks de aplicaciones web (FastAPI o similares)

• Experiencia en despliegue de modelos y sistemas de IA en entornos de streaming o tiempo real con Kafka, MQTT o gRPC.

• Experiencia desarrollando y desplegando con Docker, Docker-Compose e idealmente Kubernetes

Requisitos deseables:

Experiencia en desarrollo de sistemas RAG y variantes (conditional, agentic, self corrective).

Conocimientos en optimización de algoritmos de búsqueda y recuperación híbrida (BM25, dense retrieval, re-ranking).

Experiencia en implementación de sistemas multiagente con protocolos de comunicación (A2A, ACP).

Dominio de frameworks de orquestación de modelos generativos y arquitecturas multiagente (LangChain, LangGraph, CrewAI, MCP, Agno).

Experiencia en gestión e integración de bases de datos vectoriales (Weaviate, Pinecone, Milvus, PgVector, MongoDB Atlas).

Experiencia en uso de APIs y plataformas de LLM (OpenAI, Azure OpenAI, Vertex AI, AWS Bedrock).

Participación en proyectos de gran escala bajo metodologías ágiles y prácticas de MLOps/LLMOps.

Se valorará positivamente:

• Experiencia en fine tuning eficiente de LLMs (LoRA, QLoRA, Adapters) aplicados a dominios específicos.

• Desarrollo de soluciones multimodales (texto, imagen, audio, vídeo) utilizando modelos como CLIP, BLIP 2 o Perception Encoder.

• Experiencia en optimización de modelos para entornos de recursos limitados (quantization, pruning, distillation).

• Publicación de artículos o papers sobre Inteligencia Artificial, preferiblemente en IA generativa.

• Conocimientos en ética aplicada a IA y mitigación de sesgos en modelos generativos.

• Participación en competiciones técnicas o hackathons de IA (Kaggle, NeurIPS challenges, etc.).

• Experiencia con herramientas y entornos de MLOps como MLFlow, Kubeflow, AWS Sagemaker o similares.