Google Cloud AI Architect

• Conocimientos sólidos de aprendizaje automático: Dominio de algoritmos, técnicas y marcos de trabajo de aprendizaje automático.
• Experiencia en programación: Fluidez en Python y otros lenguajes de programación relevantes.
• Familiaridad con GCP: Conocimiento de los servicios y herramientas de GCP para aprendizaje automático.
• Habilidades analíticas y de resolución de problemas: Capacidad para analizar problemas complejos y encontrar soluciones efectivas.
• Comunicación y colaboración: Capacidad para trabajar en equipo y comunicarse de manera clara y concisa.

Contratos indefinidos.
Medidas de conciliación de la vida laboral y familiar: flexibilidad horaria, jornada intensiva los viernes y durante los meses de verano, medidas de flexibilidad espacial, ayudas y trámites administrativos para permisos de maternidad y paternidad, participación en actividades de formación, etc.).
Acceso al Plan de Retribución Flexible (Seguro Médico, Vales Guardería, Ticket Restaurante, Tarjeta Transporte y Formación).
Servicio gratuito de fisioterapia en la sede central.
Asignación de un HRBP que te acompañará a lo largo de tu carrera, para apoyar tu desarrollo profesional y personal durante tu servicio.
Clases de inglés.
Recursos para Devoteamers (ofreciendo descuentos a los empleados en la compra de bienes, reserva de billetes, viajes, etc.) El Grupo Devoteam trabaja por la igualdad de oportunidades, por la promoción de sus empleados en base al mérito y lucha activamente contra toda forma de discriminación. Estamos convencidos de que la diversidad y la igualdad contribuyen a la creatividad, el dinamismo y la excelencia de nuestra organización, contribuyendo al avance de la sociedad. Todos nuestros puestos están abiertos a todos.

Desde Devoteam estamos buscando un ML Arquitect con una descripción detallada de las tareas y funciones clave que un Machine Learning Engineer de Google Cloud llevaría a cabo:

Diseño y desarrollo de modelos

• Análisis de problemas y requisitos: Colaborar con equipos multidisciplinarios para comprender los problemas comerciales y traducirlos en soluciones de aprendizaje automático viables.
• Selección de algoritmos y técnicas: Elegir los algoritmos y técnicas de aprendizaje automático más adecuados para abordar los problemas específicos.
• Desarrollo y entrenamiento de modelos: Utilizar herramientas y marcos de trabajo de GCP (como TensorFlow, Keras, scikit-learn) para desarrollar, entrenar y evaluar modelos de aprendizaje automático.
• Optimización de modelos: Ajustar hiperparámetros y arquitecturas de modelos para mejorar su rendimiento y precisión.

• Recopilación y limpieza de datos: Recopilar datos de diversas fuentes y realizar tareas de limpieza y preprocesamiento para garantizar su calidad.
• Análisis exploratorio de datos: Explorar y comprender los datos para identificar patrones, tendencias y anomalías.
• Ingeniería de características: Transformar y crear características relevantes para mejorar el rendimiento de los modelos.
• Almacenamiento y gestión de datos: Utilizar servicios de almacenamiento de GCP (como BigQuery, Cloud Storage) para almacenar y gestionar grandes volúmenes de datos de manera eficiente.
• Despliegue de modelos en producción: Implementar modelos entrenados en entornos de producción utilizando servicios de GCP (como AI Platform, Cloud Functions).
• Monitorización y mantenimiento de modelos: Supervisar el rendimiento de los modelos en producción y realizar actualizaciones y ajustes según sea necesario.
• Escalabilidad de modelos: Garantizar que los modelos puedan manejar grandes volúmenes de datos y solicitudes en tiempo real.
• Automatización de procesos: Utilizar herramientas de automatización y orquestación (como Cloud Composer, Kubeflow) para agilizar el flujo de trabajo de aprendizaje automático.
• Trabajo en equipo: Colaborar estrechamente con científicos de datos, ingenieros de software, arquitectos de soluciones y otros profesionales.
• Comunicación efectiva: Presentar hallazgos y resultados a audiencias técnicas y no técnicas de manera clara y concisa.
• Documentación: Mantener una documentación completa y actualizada de los proyectos de aprendizaje automático.
• Mantenerse actualizado: Estar al día de las últimas tendencias y avances en el campo del aprendizaje automático.
• Experimentar con nuevas tecnologías: Explorar y evaluar nuevas herramientas y técnicas de aprendizaje automático.
• Contribuir a la comunidad: Compartir conocimientos y experiencias a través de publicaciones, presentaciones y proyectos de código abierto.