Líder de Proyecto

Descripción

Resumen: Ingeniero de IA/ML con más de 3 años de experiencia en el desarrollo y la operacionalización de modelos de aprendizaje automático escalables, así como en el diseño e implementación de flujos de trabajo para agentes de IA. Aspectos destacados: 1. Desarrollo de modelos de aprendizaje automático avanzados y escalables 2. Diseño e implementación de flujos de trabajo y tuberías (pipelines) para agentes de IA 3. Experiencia en ingeniería de indicaciones (prompt engineering), RAG y gestión del ciclo de vida de modelos de lenguaje de gran tamaño (LLM) **Resumen del puesto: \-** Ingeniero de IA/ML con buena experiencia práctica de 3\+ años en el desarrollo, la operacionalización y la implementación de modelos de aprendizaje automático de vanguardia y escalables, así como en el diseño e implementación de flujos de trabajo y tuberías (pipelines) para agentes de IA, aprovechando entornos de producción listos para usar (off\-the\-shelf workbench). **Responsabilidades del puesto: \-** * Experiencia práctica con paquetes de ciencia de datos y matemáticas en Python, tales como NumPy, Pandas, Scikit\-learn, Seaborn, PyCaret y Matplotlib * Competencia en Python y en marcos comunes de aprendizaje automático (TensorFlow, NLTK, Stanford NLP, PyTorch, LingPipe, Caffe, Keras, SparkML y OpenAI, entre otros) * Experiencia trabajando en equipos grandes y utilizando herramientas colaborativas como GIT, Jira y Confluence * Buen conocimiento de alguna plataforma en la nube: AWS, Azure o GCP * Comprender el entorno comercial farmacéutico y los datos/análisis relacionados con los pacientes sería una ventaja muy importante * Debe tener disposición para aprender, aceptar un entorno desafiante y confianza para entregar resultados dentro de los plazos establecidos. Debe estar inclinado hacia la autorregulación y la motivación propia para encontrar soluciones a los problemas. * **Operaciones de agentes (Agent Ops):** Experiencia práctica en el diseño, la implementación y la supervisión de flujos de trabajo para agentes de IA mediante cualquier marco, como LangChain, LangGraph, AutoGen, CrewAI u otras herramientas equivalentes de orquestación agente * Experiencia en ingeniería de indicaciones (prompt engineering), invocación de herramientas/funciones, tuberías RAG (generación con recuperación aumentada) y gestión de memoria/contexto para sistemas agentes de múltiples pasos * Conocimientos sobre la gestión del ciclo de vida de modelos de lenguaje de gran tamaño (LLM), incluidos el ajuste fino (fine\-tuning), la evaluación, las medidas de seguridad (guardrails) y la implementación de modelos fundamentales mediante APIs (OpenAI, Anthropic, Azure OpenAI, AWS Bedrock u otras equivalentes) Experiencia en la operacionalización de sistemas basados en agentes, incluida la observabilidad, el seguimiento (tracing), la optimización de latencia, la monitorización de costos y la gestión de errores para despliegues de calidad productiva