Ingeniero o Ingeniera de IA Cognitiva con Certificado de Discapacidad

• Requisito obligatorio: Estar en posesión de un Certificado de Discapacidad igual o superior al 33% legalmente reconocido y en vigor.

Formación:

• Grado o Máster en Ingeniería Informática, Telecomunicaciones, Matemáticas, Física, Ciencia de Datos, Inteligencia Artificial o disciplinas afines.

O bien:

• Neurociencia, Ciencias Cognitivas, Factores Humanos, Ergonomía Cognitiva, HCI o disciplinas relacionadas.
• Valorable formación complementaria en IA, ciencia de datos, estadística, programación, robótica, sistemas autónomos, ciberseguridad o simulación.

Experiencia:

• Experiencia práctica en Python, análisis de datos, prototipado de modelos de IA o desarrollo de soluciones tecnológicas.
• Experiencia en proyectos académicos, personales, prácticas, colaboraciones en I+D o entornos profesionales relacionados con IA, datos, HCI o factores humanos.
• Valorable experiencia en NLP, IA generativa, agentes, simulación, audio, visión, robótica o ciberseguridad.
• Valorable experiencia en diseño y análisis de experimentos conductuales.
• Valorable experiencia en evaluación psicológica, cognitiva, de usabilidad o de factores humanos.

Conocimientos técnicos:

• Programación: Python como lenguaje principal; C++ valorable.
• Frameworks de IA/ML: PyTorch, TensorFlow, Hugging Face, scikit-learn.
• Datos: Pandas, NumPy, visualización, notebooks, limpieza y análisis de datos.
• Fundamentos de deep learning: CNN, RNN/LSTM, transformers y modelos generativos básicos.
• Conocimientos iniciales o intermedios de LLMs, embeddings, RAG, prompting, APIs de modelos y agentes.
• Control de versiones: Git, GitHub/GitLab.
• Valorable: Docker, MLflow, DVC, CI/CD, ROS2, procesamiento de audio, computer vision o simuladores.
• Estadística aplicada, diseño experimental y análisis de comportamiento.

• Contrato indefinido.
• Jornadas de trabajo flexibles para que puedas conciliar tu vida personal y tu desarrollo profesional. Entrada y salida flexible.
• Modalidad híbrida (zona Carabanchel). 60% teletrabajo / 40% presencialidad.
• Retribución acorde con tu experiencia, formación y desarrollo.
• Retribución flexible.
• 23 días laborables de vacaciones + días por convenio.
• Accesibilidad de instalaciones: Oficinas ubicadas en Carabanchel equipadas con ascensor por la parte trasera del edificio (los aseos del centro de trabajo no están adaptados para movilidad reducida severa).

Buscamos un perfil de IA Cognitiva, Agentes e Interacción Humana que combine capacidades técnicas de ingeniería de inteligencia artificial con sensibilidad hacia factores humanos, psicología cognitiva, interacción humano máquina y evaluación de sistemas inteligentes centrados en las personas. El rol está orientado a apoyar el diseño, implementación, experimentación y validación de soluciones de IA cognitiva capaces de interpretar lenguaje, procesar contexto, razonar sobre objetivos, generar planes, interactuar con humanos y apoyar tareas de decisión o automatización en entornos de seguridad, robótica, ciberseguridad y defensa.

Implementación de módulos de IA cognitiva:

• Implementar componentes para comprensión de lenguaje, clasificación de intenciones, extracción de entidades, restricciones y contexto.
• Desarrollar prototipos para generación de especificaciones estructuradas, planes, árboles de tareas o Behavior Trees conceptuales.

Desarrollo de agentes y sistemas interactivos:

• Colaborar en el desarrollo de agentes basados en LLMs, RAG, embeddings, memoria, herramientas y flujos de decisión.
• Implementar pruebas de interacción humano-máquina mediante texto, voz, interfaces gráficas, simuladores o entornos robóticos.

Modelado cognitivo, conductual y factores humanos

• Definir marcos conceptuales basados en atención, memoria, percepción, toma de decisiones, carga mental, aprendizaje y confianza.
• Traducir constructos psicológicos y cognitivos en variables medibles aplicables a sistemas de IA.

Experimentación, evaluación y análisis de datos:

• Ejecutar experimentos de entrenamiento, validación y comparación de modelos de IA.
• Preparar datasets, limpiar datos, documentar procesos de preprocesamiento y asegurar trazabilidad experimental.

IA generativa, modelos multimodales y sistemas de apoyo a la decisión:

• Usar APIs y frameworks de LLMs para tareas de generación, clasificación, extracción, razonamiento y evaluación.
• Implementar flujos básicos o intermedios de prompting, embeddings, RAG, vector stores y evaluación de respuestas.

MLOps, calidad, seguridad y documentación:

• Utilizar Git, GitHub/GitLab y buenas prácticas de desarrollo colaborativo.
• Apoyar pipelines reproducibles con MLflow, DVC, Docker, notebooks y CI/CD básico.