Senior Machine Learning Engineer, Geospatial

Quiénes Somos
Pachama es una empresa impulsada por una misión, dedicada a restaurar la naturaleza para combatir el cambio climático. Empleamos tecnologías de teledetección y de inteligencia artificial de vanguardia en el ámbito del carbono forestal para aumentar las iniciativas de conservación y restauración de bosques. Nuestra tecnología innovadora integra imágenes de satélite con IA para medir la captura de carbono en los bosques. A través del mercado de Pachama, conectamos a empresas e individuos responsables con créditos de carbono de proyectos enfocados en preservar y restaurar bosques a nivel mundial.

Contamos con el apoyo de inversores alineados con nuestra misión, incluidos Breakthrough Energy Ventures, Amazon Climate Fund, Chris Sacca, Saltwater Ventures y Paul Graham.

Noticias Recientes

• Pachama es la empresa de IA más innovadora #1
• Destacada en la última actualización para accionistas de Jeff Bezos
• Pachama monitoreará y gestionará proyectos forestales de Mercado Libre

Estamos buscando un Ingeniero Senior de Machine Learning para liderar el desarrollo de sistemas avanzados que impulsen nuestra misión de restaurar la naturaleza y abordar el cambio climático. Como líder en nuestro equipo de Ciencia, innovarás, escalarás y desplegarás tecnologías de IA y teledetección para desarrollar productos que identifiquen y apoyen proyectos de carbono forestal de alta calidad.

Un día típico en este rol implica implementar nuevos modelos de machine learning utilizando datos de teledetección y geoespaciales, diseñar y llevar a cabo experimentos para validar su desempeño, trabajar en programación en pareja con otros ingenieros, y discutir planes experimentales y resultados con científicos. La precisión de las salidas de los modelos es crucial para el éxito de los proyectos de carbono forestal, haciendo de la validación de modelos y la cuantificación de incertidumbre valores fundamentales para nuestro equipo. Mantenerse al día con conocimientos de literatura científica y aplicaciones comerciales es esencial para este rol.

Estamos buscando ingenieros que sean apasionados por construir, que disfruten viendo el impacto de su trabajo de principio a fin, y que motiven a sus compañeros. Los candidatos exitosos impulsarán las iniciativas haciendo preguntas perspicaces, superando la ambigüedad y organizando esfuerzos para lograr resultados. Serán meticulosamente detallistas y metódicos, poniendo un fuerte énfasis en el desarrollo rápido.

Este rol es remoto, disponible solo dentro de las zonas horarias de América del Norte.

Responsabilidades

• Entrenar modelos de machine learning para estimar parámetros de estructura forestal críticos para cuantificar el almacenamiento de carbono en ecosistemas y evaluar los beneficios climáticos de proyectos de carbono forestal.
• Colaborar con el equipo de Producto para asegurar la alineación entre el valor del producto y la complejidad científica y técnica.
• Abogar por y mentorizar en las mejores prácticas en IA y ciencia de datos.
• Mentorizar a los miembros del equipo para elevar la eficiencia, precisión y fiabilidad en los equipos de Ciencia e Ingeniería.
• Diseñar marcos estadísticos y experimentos para evaluar la precisión e incertidumbre de los modelos con datos del mundo real.
• Optimizar los modelos para manejar eficientemente grandes volúmenes de datos geoespaciales y de teledetección.
• Desarrollar herramientas que permitan métricas de rendimiento de alta calidad para proyectos de carbono forestal.
• Comunicar el impacto y las lecciones de nuestro trabajo técnico para asegurar la comprensión organizacional de cómo la IA y la teledetección pueden mejorar el diseño y la selección de proyectos.

Requisitos

• Sólida base en machine learning y estadísticas, con la capacidad de aplicar estas habilidades a la ciencia forestal y la teledetección.
• Experiencia en el despliegue de modelos de deep learning a escala utilizando computación distribuida.
• Dominio en prácticas de ingeniería de software y programación en Python. Familiaridad con herramientas como Kubernetes, Dask y Flyte es esencial. La experiencia con herramientas geoespaciales de código abierto como Rasterio, Geopandas y Xarray es una ventaja.
• Experiencia en entornos de clústeres y comprensión de conceptos de sistemas distribuidos, incluidas interacciones CPU/G