País
Sector
Buscar profesión
Ingeniero de PLN
Arquitectura y entrenamiento de modelos de lenguaje natural para sistemas de comprensión y generación de texto
70 000 – 180 000 ARS ($)
Salario / año
Universitario
Nivel de formación
00
Automatización
Medio
Dificultad
Positivo
Empleabilidad
6-12 meses
Tensión del mercado
Moderada
Movilidad
Posible
Automatización
Medio
Dificultad
Positivo
Empleabilidad
6-12 meses
Tensión del mercado
Moderada
Movilidad
Posible
About
El ingeniero de PLN diseña, entrena y despliega modelos de procesamiento del lenguaje natural usando frameworks como Hugging Face Transformers, spaCy y PyTorch. Trabaja con corpus lingüísticos masivos, define pipelines de anotación y ajusta modelos pre-entrenados mediante fine-tuning. Colabora con lingüistas computacionales, científicos de datos y equipos de producto para integrar componentes de NLP en aplicaciones reales: chatbots, motores de búsqueda semántica, sistemas de extracción de información y traducción automática. Evalúa rendimiento con métricas BLEU, F1 y perplexity, y gestiona el ciclo completo desde la preparación de datos hasta el despliegue en producción.
Habilidades
Habilidades técnicas
- Experiencia con Python (NumPy, Pandas, scikit-learn)
- Dominio de Hugging Face Transformers y Datasets
- Uso de PyTorch o TensorFlow para entrenamiento de redes neuronales
- Aplicación de spaCy y NLTK para procesamiento lingüístico
- Gestión de experimentos con MLflow o Weights & Biases
- Despliegue de modelos con Docker y Kubernetes
- Manejo de SQL y bases de datos vectoriales (Pinecone, Weaviate)
- Desarrollo de APIs REST con FastAPI o Flask para servir modelos
Habilidades interpersonales
- Desglosar problemas lingüísticos ambiguos en hipótesis verificables mediante experimentación iterativa
- Comunicar resultados técnicos de evaluación de modelos a interlocutores no especializados
- Gestionar la incertidumbre inherente a datos ruidosos manteniendo rigor metodológico
- Trabajar en ciclos cortos de prototipado con retroalimentación de lingüistas y usuarios finales
- Priorizar mejoras de modelo según impacto medible en métricas de negocio
Misiones
- Recopilar y limpiar corpus textuales de más de 10 millones de tokens utilizando scripts Python y herramientas avanzadas de scraping
- Diseñar pipelines de preprocesamiento lingüístico con tokenización, lematización y etiquetado POS mediante spaCy
- Ajustar modelos BERT, RoBERTa o LLaMA a través de fine-tuning supervisado en conjuntos de datos anotados
- Implementar sistemas de reconocimiento de entidades nombradas (NER) con precisión superior al 90% en F1
- Desarrollar módulos de clasificación de intención para chatbots corporativos utilizando Rasa o Dialogflow
- Evaluar modelos de generación de texto con métricas BLEU, ROUGE y BERTScore en benchmarks estándar
- Optimizar la latencia de inferencia reduciendo tiempos de respuesta por debajo de 200 ms mediante cuantización y distilación
- Versionar experimentos y seguimiento de hiperparámetros con MLflow o Weights & Biases
- Colaborar con ingenieros de datos para construir flujos de ingesta y etiquetado en Apache Airflow
- Documentar arquitecturas de modelos y resultados de evaluación para revisiones técnicas del equipo
Entornos de trabajo
Los entornos de trabajo pueden variar:
Laboratorios de investigación en inteligencia artificial de universidades
Startups de tecnología conversacional y asistentes virtuales
Departamentos de I+D de empresas de telecomunicaciones
Consultoras especializadas en soluciones de datos y analítica avanzada
Plataformas de comercio electrónico con motores de búsqueda semántica
Empresas de traducción automática y localización de contenidos
Posibles evoluciones
- Convertirse en investigador científico en laboratorios de IA con publicaciones en ACL o EMNLP
- Arquitecto de sistemas de inteligencia artificial con responsabilidad sobre plataformas MLOps
- Director técnico de producto de datos en empresas con fuertes activos lingüísticos
- Docente o formador en programas de máster en ciencia de datos
- Fundador de una startup especializada en soluciones de lenguaje natural para sectores verticales
Perfil buscado
Rigurosidad en la evaluación experimental y reproducibilidad de resultados
Curiosidad activa frente a avances rápidos en modelos fundacionales
Capacidad para combinar intuición lingüística con análisis cuantitativo
Autonomía en la búsqueda bibliográfica y adaptación de arquitecturas recientes
¿Cómo ser Ingeniero de PLN?
