NLP Engineer

Formación académica Profesional titulado en: Ingeniería de Sistemas Ingeniería Informática Ingeniería Electrónica Ciencia de Datos Matemáticas Estadística Ciencias de la Computación Carreras afines Experiencia requerida Mínimo 3 años de experiencia en diseño, entrenamiento e implementación de modelos de lenguaje natural. Experiencia trabajando con procesamiento de datos textuales y modelos de Machine Learning. Experiencia implementando modelos en ambientes productivos. Experiencia participando en proyectos de inteligencia artificial aplicada. Conocimientos técnicos requeridos Inteligencia Artificial y Machine Learning Procesamiento de Lenguaje Natural (NLP). Machine Learning. Deep Learning. Large Language Models (LLMs). Fine-Tuning y optimización de modelos. Lenguajes y herramientas: Python avanzado. SQL. Jupyter Notebook. Git / GitHub. Frameworks y librerías: Transformers. Hugging Face. spaCy. NLTK. LangChain. Scikit-learn. TensorFlow o PyTorch. Datos y MLOps: Preparación y transformación de datos textuales. Evaluación y monitoreo de modelos. Despliegue de modelos en producción. MLOps y ciclo de vida de modelos de IA. IA Responsable: Principios de IA ética y responsable. Evaluación de sesgos. Gobernanza de modelos. Seguridad y privacidad de datos . Competencias clave Pensamiento analítico. Resolución de problemas complejos. Curiosidad tecnológica y aprendizaje continuo. Comunicación efectiva. Trabajo colaborativo. Orientación a resultados. Innovación y mejora continua. Capacidad de investigación aplicada. Diseñar, desarrollar y optimizar modelos de procesamiento de lenguaje natural (NLP). Entrenar, ajustar y evaluar modelos de Machine Learning y Large Language Models (LLMs). Procesar, limpiar y preparar grandes volúmenes de datos textuales estructurados y no estructurados. Implementar modelos en ambientes productivos garantizando escalabilidad y rendimiento. Desarrollar pipelines de procesamiento de datos para entrenamiento y evaluación de modelos. Integrar soluciones de IA con aplicaciones, plataformas y servicios existentes. Monitorear desempeño, precisión y comportamiento de modelos desplegados. Aplicar principios de IA Responsable, ética y gobernanza de modelos. Documentar desarrollos, metodologías y resultados técnicos. Colaborar con equipos de datos, desarrollo, arquitectura y negocio para identificar oportunidades de aplicación de IA.