Senior en Aprendizaje Automático / PLN (Contratista)

Descripción

### **Sobre nosotros** En RavenPack, estamos a la vanguardia del desarrollo de las próximas generaciones 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, empoderamos 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 la eficiencia mediante la integración de información pública en sus modelos y flujos de trabajo. Basándonos en esta experiencia, lanzamos una nueva suite de servicios de IA generativa y SaaS, diseñada específicamente para profesionales financieros. Únase 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 entre las Top 100 Próximas Unicornios de este año 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 de IA financiera. ***Se requiere estatus legal para trabajar en Europa.*** ### **Alcance del proyecto y responsabilidades fundamentales** **Buscamos un ingeniero experimentado en Aprendizaje Automático / PLN para liderar un proyecto de infraestructura de alto impacto y transformador. Usted será responsable del diseño, evaluación e implementación de modelos avanzados de aprendizaje automático destinados a complementar y potenciar nuestra canalización de detección a gran escala y alta precisión.** **En este puesto, trabajará estrechamente con nuestros equipos centrales de ingeniería, datos y liderazgo técnico para garantizar la integración perfecta de las nuevas tecnologías de ML con nuestros sistemas existentes.** **El objetivo fundamental de su rol consiste en introducir enfoques modernos y punteros de ML que operen junto a nuestra infraestructura existente, creando así una arquitectura híbrida potente. Esta es una oportunidad única para abordar desafíos complejos en inferencia de baja latencia, resolución de entidades a escala masiva y sistemas de aprendizaje continuo.** **Nota: Debido al carácter altamente propietario de nuestros sistemas, los entregables específicos, la arquitectura y las tecnologías exactas se tratarán en detalle bajo un acuerdo de confidencialidad (NDA) durante su primera entrevista.** ### **Responsabilidades clave** * **Mejora e innovación del sistema: Diseñar, entrenar e implementar modelos punteros de Procesamiento del Lenguaje Natural (PLN) para complementar y ampliar nuestra arquitectura de datos de alto rendimiento.** * **Integración arquitectónica: Construir capas de integración robustas que permitan que las nuevas predicciones de aprendizaje automático funcionen sin interrupciones junto a nuestros sistemas productivos consolidados.** * **Pipelines de mejora continua: Desarrollar bucles de retroalimentación automatizados y mecanismos de aprendizaje que permitan a nuestros sistemas adaptarse, actualizarse y mejorar con el tiempo con mínima intervención manual.** * **Implementación y optimización en producción: Trasladar los modelos desde la fase de investigación/evaluación hasta la producción total, optimizando modelos complejos para inferencia de baja latencia rigurosa y alta fiabilidad.** * **Marcos de calidad y evaluación: Establecer benchmarks rigurosos de evaluación, entornos automatizados de pruebas y paneles de monitoreo para garantizar la precisión y estabilidad de las implementaciones de ML.** ### **Habilidades y experiencia requeridas revisadas** * **PLN avanzado y aprendizaje profundo: Comprensión teórica y práctica profunda de tareas fundamentales de PLN, tales como extracción de entidades, clasificación de texto y comprensión contextual.** * **Arquitecturas Transformer: Experiencia comprobada en el entrenamiento, ajuste fino e implementación de modelos modernos basados en Transformer y métodos de codificación para tareas textuales complejas.** * **MLOps e ingeniería de producción: Historial sólido de optimización de modelos para entornos de baja latencia (por ejemplo, inferencia por lotes, destilación de modelos, aceleración por hardware) e implementación a escala.** * **Evaluación y métricas: Competencia en el diseño de marcos de evaluación de ML, construcción de conjuntos de datos de referencia de alta calidad y seguimiento de métricas de rendimiento para identificar y resolver casos límite.** * **Integración de sistemas complejos: Experiencia combinando modelos probabilísticos de aprendizaje automático con arquitecturas de software deterministas o heredadas, incluidas la asignación de puntuaciones de confianza y las implementaciones de pruebas A/B.** * **Buenas prácticas de ingeniería de software: Habilidades sólidas de programación con énfasis en escribir código limpio y escalable, crear documentación técnica y mantener pipelines robustos de CI/CD para modelos de ML.** *Somos un empleador que promueve la igualdad de oportunidades y valoramos 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.*