Senior ML / Búsqueda y operaciones con modelos de lenguaje de gran tamaño (LLM) (Contratista)

Descripción

### **Sobre nosotros** En RavenPack, estamos a la vanguardia del desarrollo de la próxima generación de herramientas de IA generativa para la industria financiera y más allá. Con 23 años de experiencia como proveedor líder de análisis de big data para servicios financieros, capacitamos a nuestros clientes —entre los que se incluyen algunos de los fondos de cobertura, bancos y gestores de activos más exitosos del mundo— para mejorar sus rendimientos, reducir riesgos y aumentar su eficiencia mediante la integración de información pública en sus modelos y flujos de trabajo. Sobre esta base de experiencia, estamos lanzando una nueva suite de servicios de IA generativa (GenAI) y SaaS, diseñada específicamente para profesionales financieros. Únete a una empresa que impulsa el futuro de las finanzas con IA RavenPack ha sido reconocida como el Mejor Proveedor de Datos Alternativos por WatersTechnology y ha sido incluida este año entre las Top 100 Próximas Unicornios por Viva Technology. RavenPack ha lanzado Bigdata, nuestra plataforma de IA generativa adaptada al sector financiero, que ya es reconocida como la plataforma n.º 1 para impulsar agentes financieros de IA. ***Se requiere estatus legal para trabajar en Europa.*** ### **Alcance del proyecto y responsabilidades principales** **Ejecución directa y práctica, prototipado rápido y entrega de optimizaciones listas para usar en nuestra pila de búsqueda y LLM. Ejemplos de lo que podrías estar desarrollando incluyen:** * **Ajuste fino específico por dominio y pruebas de concepto (PoC): Implementación y evaluación de adaptaciones dirigidas de modelos abiertos de lenguaje de gran tamaño (LLM) mediante técnicas PEFT (LoRA, QLoRA) y destilación adaptadas a contextos financieros. Prototipado de mecanismos de alineación de preferencias (DPO/PPO) para tareas especializadas.** * **Aceleración de inferencia de alto rendimiento: Evaluación comparativa y optimización del servicio de modelos para baja latencia y alto rendimiento. Aplicación de técnicas de cuantización (AWQ, GPTQ) y aprovechamiento de motores especializados (Triton Inference Server, TEI, vLLM).** * **Optimización de búsqueda y recuperación: Prototipado y validación de técnicas avanzadas de búsqueda, incluidos embeddings Matryoshka, modelos de interacción tardía y tuberías híbridas de búsqueda que combinan datos estructurados y no estructurados.** * **Entrega modular de tuberías: Empaque de scripts de entrenamiento, evaluación y servicio en entregables limpios y reproducibles mediante AWS SageMaker y Docker.** * **Evaluación y medición de eficiencia: Configuración de generación de datos sintéticos y entornos automatizados de evaluación (por ejemplo, Opik, LLM-como-juez) para medir los compromisos entre coste, latencia y calidad de las PoC entregadas.** ### **Qué buscamos** * **Formación académica: Máster o doctorado en Ciencias de la Computación, Aprendizaje Automático o un campo cuantitativo (o experiencia práctica equivalente).** * **Experiencia profesional: Trayectoria comprobada en la entrega de modelos de aprendizaje automático (ML) y pruebas de concepto (PoC) de calidad productiva en los ámbitos de búsqueda, recuperación de información (IR) o infraestructura de LLM.** * **Pila tecnológica principal: Experiencia práctica profunda con Python, PyTorch y el ecosistema Hugging Face (Transformers, PEFT, Accelerate).** * **Inferencia y optimización: Experiencia práctica con cuantización de modelos, optimización de VRAM y frameworks de servicio de alto rendimiento (Triton, TEI, vLLM).** * **MLOps y despliegue: Experiencia en el uso de AWS SageMaker para entrenamiento y despliegue, combinada con herramientas de seguimiento y trazabilidad de experimentos (MLflow, Opik).** * **Estilo de ejecución: Capacidad para trabajar de forma autónoma, entregar código bien documentado y modular, y validar rápidamente ideas mediante pruebas empíricas\[cite: 2, 3].** * **Idioma y estatus: Competencia fluida en inglés (escrito y hablado). Se requiere estatus legal para trabajar en Europa o alineación horaria con la UE.** **Puntos adicionales:** * **Experiencia directa en la implementación de RLHF o Optimización Directa de Preferencias (DPO).** * **Conocimiento de datos del mercado financiero y procesamiento de textos financieros.** ### **Términos del contrato** * **Duración del contrato: Contrato inicial de 3 a 6 meses, con posibilidad de prórroga según hitos y resultados del proyecto.** * **Modalidad de trabajo: Colaborador independiente integrado en el equipo interno de ingeniería de búsqueda y recomendación.** * **Remuneración: Tarifa contractual competitiva diaria o por proyecto, acorde con la experiencia.** *Somos un empleador que promueve la igualdad de oportunidades y valora la diversidad en nuestra empresa. No discriminamos por motivos de raza, religión, color, origen nacional, género, orientación sexual, edad, estado civil, condición de veterano o discapacidad.*