Ingeniero/a en inteligencia artificial

Habilidades

Habilidades técnicas

• Experiencia avanzada en Python usando librerías como NumPy, Pandas y Scikit-learn.
• Dominio de TensorFlow y PyTorch para desarrollo de modelos.
• Conocimiento en MLOps con herramientas como MLflow y Kubeflow.
• Uso de infraestructuras cloud como AWS SageMaker y GCP Vertex AI.
• Procesamiento de datos a escala con Apache Spark y Kafka.
• Manejo de SQL y bases de datos vectoriales como Pinecone.
• Implementación de soluciones con Docker y Kubernetes.
• Control de versiones con Git y DVC para gestión de proyectos.

Habilidades interpersonales

• Rigor analítico ante resultados ambiguos y complejos.
• Comunicación técnica efectiva con interlocutores no especializados.
• Autonomía en la gestión de experimentos de larga duración.
• Capacidad de síntesis entre investigación académica y aplicación industrial.
• Trabajo colaborativo en entornos multidisciplinares.

Misiones

• Diseñar arquitecturas de modelos de aprendizaje profundo adaptadas a las necesidades del negocio y métricas de rendimiento.
• Implementar pipelines de preprocesamiento de datos con Apache Spark o Pandas, logrando una reducción del tiempo de ingesta del 30%.
• Entrenar y ajustar hiperparámetros de redes neuronales usando técnicas avanzadas como búsqueda bayesiana y validación cruzada.
• Desplegar modelos en producción mediante contenedores Docker y orquestación Kubernetes, alcanzando latencias inferiores a 100ms.
• Monitorizar el rendimiento de modelos en producción con herramientas como MLflow o Weights & Biases para detectar deriva de datos.
• Automatizar flujos de reentrenamiento con pipelines CI/CD adaptados a ciclos MLOps.
• Colaborar con equipos de ingeniería de datos para asegurar la calidad y trazabilidad de los conjuntos de entrenamiento.
• Realizar revisiones de código y auditorías de modelos enfocadas en la reproducibilidad y equidad algorítmica.
• Documentar arquitecturas, experimentos y decisiones técnicas en repositorios compartidos con estándares de equipo.
• Evaluar e integrar nuevas investigaciones del estado del arte, adaptándolas a las restricciones de infraestructura existentes.

Entornos de trabajo

Los entornos de trabajo pueden variar:

Posibles evoluciones

• Avanzar hacia el rol de Científico/a de datos senior.
• Convertirse en Arquitecto/a de soluciones de IA.
• Asumir el puesto de Responsable de investigación aplicada.
• Llegar a ser Director/a técnico/a de productos de IA.
• Desarrollarse como Docente o investigador/a en aprendizaje automático.

Perfil buscado