Ingeniero ML (Machine Learning)

Lo que vas a hacer:

Desarrollo e Implementación:

• Crear modelos de vanguardia de aprendizaje automático para abordar diversas aplicaciones empresariales.
• Implementar soluciones de aprendizaje automático que tengan un impacto real en nuestros productos y servicios.

Colaboración:

• Trabajar muy cerca de científicos de datos para pre-procesar y limpiar grandes conjuntos de datos para su análisis.
• Colaborar con equipos interfuncionales para integrar modelos de aprendizaje automático en sistemas de producción de manera fluida.

Optimización:

• Implementar y optimizar algoritmos de aprendizaje automático para garantizar rendimiento y escalabilidad.
• Ajustar modelos para mejorar la precisión y la eficiencia.

Innovación:

• • • Mantenerse a la vanguardia de los avances en aprendizaje automático e inteligencia artificial.
    • Explorar nuevas tecnologías y metodologías para mejorar nuestras capacidades de aprendizaje automático.

Lo que tenés que tener:

En general:

• Experiencia comprobada en el desarrollo e implementación de modelos de aprendizaje automático.
• Excelentes habilidades analíticas y de resolución de problemas.
• Habilidades efectivas de comunicación para colaborar con equipos interfuncionales.

Habilidades de programación:

• Mucha competencia en lenguajes de programación como Python, R o Java.
• Capacidad para escribir código limpio, eficiente y bien documentado.
• C++

Frameworks:

• Experiencia práctica con marcos populares de aprendizaje automático, incluidos TensorFlow, PyTorch y scikit-learn.
• Comprensión en profundidad de Jupyter Notebooks.
• Comprensión de Keras.

Experiencia en datos:

• Conocimiento de técnicas de preprocesamiento de datos, ingeniería de características y evaluación de modelos.
• Familiaridad con las mejores prácticas en el manejo de conjuntos de datos grandes y complejos.
• Capacidad para ingresar datos en conjuntos de datos no supervisados y supervisados para entrenamiento de datos.

Cloud and Distributed Computing:

• • • Comprensión sólida de Microsoft Azure (DevOps).
    • Comprensión de plataformas en la nube (por ejemplo, AWS, Azure, Google Cloud) y conceptos de computación distribuida.
    • Experiencia aprovechando recursos en la nube para tareas de aprendizaje automático.