Científico de Datos | Ingeniero de LLM

• Educación: Grado o Máster en Informática, Ciencia de Datos o un campo relacionado. Un doctorado es un plus.

• Experiencia: Más de 3 años de experiencia en ciencia de datos, con un enfoque en grandes modelos de lenguaje y NLP.

• Sólidas habilidades de programación en Python, con experiencia en el uso de librerías de NLP y LLM como spaCy, Hugging Face (Transformers, Datasets, PEFT, TRL) y las principales familias de modelos (por ejemplo, GPT, Claude, Gemini, Llama, Mistral, Qwen, Gemma) tanto a través de API como de pesos abiertos (open weights).

• Competencia en frameworks de deep learning, principalmente PyTorch (más Keras/TensorFlow según sea necesario), y familiaridad con la optimización de la inferencia (cuantización, TensorRT-LLM).

• Experiencia con el preprocesamiento de datos, curación y tokenización para cargas de trabajo de LLM, incluyendo la construcción y limpieza de conjuntos de datos para fine-tuning y recuperación (chunking, embeddings, deduplicación, generación de datos sintéticos).

• Sólida comprensión de las arquitecturas transformer y la atención, con conocimientos prácticos de técnicas de fine-tuning y alineación (full fine-tuning, LoRA/QLoRA, instruction tuning, RLHF/DPO). La exposición a RNNs y CNNs es un plus en lugar de un requisito fundamental.

• Experiencia entrenando y realizando fine-tuning de LLMs y construyendo sistemas RAG y agénticos, incluyendo frameworks de orquestación (LangChain, LlamaIndex, LangGraph), bases de datos vectoriales (por ejemplo, Qdrant, Weaviate, pgvector) y llamada a herramientas/funciones (tool/function calling).

• Experiencia con herramientas de experimentación y seguimiento: Jupyter notebooks además de seguimiento de experimentos y prompts (MLflow, Weights & Biases) y evaluación de LLM (por ejemplo, Ragas, LangSmith/Langfuse, entornos de evaluación personalizados).

• Familiaridad con plataformas en la nube (AWS, Azure, Google Cloud) y sus servicios de IA, con un enfoque en Google Cloud (Vertex AI, model garden, managed endpoints).

• Experiencia desplegando LLMs auto-alojados y de pesos abiertos en producción, utilizando frameworks de servicio como vLLM, TGI, Ollama o llama.cpp, con conocimiento de dimensionamiento de GPU, formatos de cuantización (GGUF, AWQ, GPTQ) y restricciones on-prem o airgapped.

• Conocimientos prácticos de MLOps/LLMOps y prácticas de DevOps: Git, CI/CD, contenerización (Docker, Kubernetes), además de telemetría, monitorización y observabilidad para el rendimiento del modelo y de la inferencia.

• Habilidades analíticas: Excelentes habilidades analíticas y de resolución de problemas con la capacidad de diseñar soluciones innovadoras para problemas complejos.

• Ética de la IA y mitigación de sesgos: Experiencia o conocimiento de la ética de la IA, la equidad y las estrategias de mitigación de sesgos, en el contexto de NLP y LLMs.

• Comunicación: Fuertes habilidades de comunicación verbal y escrita, con la capacidad de explicar conceptos técnicos complejos a partes interesadas no técnicas.

• Colaboración: Capacidad para trabajar eficazmente en un entorno de equipo colaborativo y multifuncional.

• Atención al detalle: Alta atención al detalle y compromiso para garantizar la precisión y la calidad del trabajo.

• Adaptabilidad: Capacidad para prosperar en un entorno dinámico y de ritmo rápido y gestionar múltiples proyectos simultáneamente.

• Un excelente entorno de trabajo y la oportunidad de crear un impacto real en el mundo;

• Una empresa de ingeniería de alta tecnología y vanguardia, con estructura plana y sin política;

• Trabajar con las tecnologías más punteras en Data & AI, incluyendo Edge AI, Swarming, tanto dentro de nuestras plataformas de software como dentro de nuestros sistemas integrados a bordo;

• Arreglos de trabajo flexibles;

• Oportunidades de desarrollo profesional;

• Entorno de trabajo colaborativo e inclusivo;

• Salario compatible con el nivel de experiencia demostrada.

Como Data Scientist especializado en LLM, serás responsable de desarrollar, implementar y optimizar algoritmos, modelos y capacidades avanzadas que ayuden a nuestros equipos (por ejemplo, Field Operations) a automatizar sus cargas de trabajo, por ejemplo, en el contexto de apoyo a la toma de decisiones, planificación de misiones y conciencia situacional. Trabajarás en una variedad de proyectos que implican comprender, procesar y generar lenguaje humano para resolver problemas complejos y crear soluciones innovadoras. El candidato ideal tendrá una sólida formación en LLMs, machine learning y ciencia de datos, con una trayectoria demostrada de proyectos exitosos en estos dominios.

• Desarrollo de algoritmos: Diseñar, desarrollar e implementar algoritmos y modelos de última generación, dentro del contexto de modelos de lenguaje.

• Desarrollo de capacidades: Realizar nuevas capacidades basadas en IA en áreas como el apoyo a la toma de decisiones, la planificación de misiones y la automatización de flujos de trabajo.

• Entrenamiento y optimización de modelos: Entrenar y optimizar grandes modelos de lenguaje utilizando vastas cantidades de datos textuales, garantizando un alto rendimiento y precisión.

• Preprocesamiento de datos: Realizar tareas de preprocesamiento de datos como tokenización, stemming, lematización y normalización para preparar conjuntos de datos para el entrenamiento y la evaluación.

• Investigación e innovación: Mantenerse al día con los últimos avances en LLM y Procesamiento de Lenguaje Natural (NLP) y aplicar nuevas técnicas para mejorar los modelos existentes y desarrollar nuevas soluciones.

• Colaboración: Trabajar estrechamente con ingenieros de datos, desarrolladores de software, gestores de producto y otras partes interesadas para comprender los requisitos del proyecto y ofrecer soluciones eficaces.

• Evaluación del rendimiento: Evaluar el rendimiento de los modelos utilizando métricas y técnicas apropiadas e mejorar iterativamente su precisión y eficiencia.

• Despliegue: Colaborar con los equipos de ingeniería para desplegar modelos en entornos de producción y garantizar su robustez y escalabilidad.

• Documentación: Mantener una documentación exhaustiva de los modelos, algoritmos y procesos para futuras referencias y reproducibilidad.