Ingeniero Aplicado en Inteligencia Artificial

Responsabilidades:

• Definir los problemas de aprendizaje automático para los productos y las operaciones que deben aprovechar la investigación fronteriza de aprendizaje automático, contribuciones de código abierto.

• Prototipo rápido de puntos finales de ML generativos y discriminativos, agentes autónomos, etc., que deben aprovechar el aprendizaje automático fronterizo hacia una solución creíble.

• Definir la hoja de ruta de señales y colaborar con la ingeniería de datos para la planificación de la ingesta de señales.

• Propietario de la identificación y estrategia de ingesta de señales/datos de terceros. Contribuir a la estrategia y hoja de ruta de adquisición de señales/datos de la plataforma que se requieren para los prototipos y sistemas de ML.

• Contribuir a la selección de la pila de infraestructura de aprendizaje automático de la organización, el benchmarking técnico y el ajuste a propósito.

• Contribuir al onboarding de AI colaborando con la ingeniería de software y los equipos de escalado de plataformas.

• Participar en el liderazgo empresarial y tecnológico en el aprendizaje automático fronterizo, paradigmas y aplicaciones para la plataforma/producto y las operaciones empresariales/servicios compartidos.

• Representar a la organización en los foros de tecnología e industria de la AI.

• Asociarse con partes interesadas en producto, ingeniería, ciencia de datos, finanzas, ventas y marketing para definir problemas que tienen al ML avanzado como su potencial espacio de solución.

• Apoyar las discusiones de modelos de datos y la estrategia de integración de datos.

• QA ETL infraestructura de pipeline de datos para experimentos relevantes y objetivos de producción.

Requisitos:

• Master/PhD en ciencias de la computación con enfoque en AI. Alternativamente, master/doctorado en campos pesados en análisis de datos, por ejemplo, física, estadística, matemáticas computacionales.

• 8+ años de experiencia laboral en aprendizaje automático - trabajo, educación y/o pro bono en la construcción de hipótesis y mejoras en los prototipos.

• Igual comodidad con los sistemas de IA discriminatorios y generativos, modelado, entrenamiento y maduración hacia el éxito experimental. Prueba demostrable de trabajo en sistemas de aprendizaje automático basados en datos estructurados y no estructurados. El conocimiento conceptual del aprendizaje automático multimodal es deseable.

• Conocimiento conceptual y capacidad para arrancar y escalar sistemas de aprendizaje automático tanto para fines de entrenamiento como de inferencia.

• Conocimiento y deseo de aprovechar los modelos de código abierto, los trabajos universitarios y las mejores prácticas de la comunidad de código abierto.

• Conocimiento de una infraestructura de formación y servicio de aprendizaje automático en la nube pública

• Capacidad para tener discusiones técnicas en profundidad en ambas direcciones con la audiencia no especializada en aprendizaje automático de la organización, por ejemplo, ingenieros de software y gerentes de producto, operaciones, líderes, etc.

• Habilidad y deseo de mentorizar a los ingenieros de software en el aprendizaje automático.

Atributos:

• Máquina de aprendizaje. Artículos, conferencias, pares, motor de aprendizaje haciendo.

• Preferencia por la acción y el impacto

• Excelentes habilidades interpersonales y de comunicación.

• Gran red en la comunidad global de aprendizaje automático.

• Equilibrio

  • dimensiones técnicas y empresariales

  • conjuntos de problemas a corto, medio y largo plazo

  • partes interesadas técnicas y no técnicas

• Pensador analítico con mentalidad de resolución de problemas.

• Reto: ¿el por qué? ¿El por qué no?

• Jugador de equipo que puede colaborar eficazmente con equipos multifuncionales.