*formación académica*
- *título en ingeniería en computación, ciencias de la computación, matemáticas, ingeniería electrónica* o un campo relacionado.
- *conocimientos en inteligencia artificial, machine learning* o procesamiento de lenguaje natural (pln) es una ventaja.
*conocimientos en machine learning y deep learning*
- *fundamentos de machine learning*: sólido entendimiento de algoritmos de clasificación, regresión, clustering, y reducción de dimensionalidad.
- *deep learning*: experiência en redes neuronales, particularmente en redes neuronales recurrentes (rnn), lstm, y redes neuronales convolucionales (cnn).
- *modelos de procesamiento de lenguaje natural (nlp)*: familiaridad con modelos avanzados como transformers (e.g., bert, gpt), word2vec, glove, y técnicas como embeddings de palabras y contextual embeddings.
*procesamiento de señales de audio*
- *preprocesamiento de audio*: dominio en técnicas de filtrado, normalización, eliminación de ruido, y segmentación de señales de audio.
- *feature engineering*: experiência en la extracción de características del audio como mfccs (mel-frequency cepstral coefficients), chroma, spectral contrast, etc.
*programación y herramientas de desarrollo*
- *lenguajes de programación*: experiência avanzada en python, y conocimiento de librerías y frameworks de ml como tensorflow, pytorch, keras, y scikit-learn.
- *herramientas de audio*: manejo de herramientas y librerías de procesamiento de audio como librosa, pydub, y técnicas de anotación de audio.
- *version control*: competencia en el uso de sistemas de control de versiones como git.
*infraestructura y entornos de desarrollo*
- *ambientes de desarrollo*: familiaridad con entornos de desarrollo integrados (ide) y notebooks como jupyter.
- *computación en la nube*: experiência con servicios en la nube como aws, google cloud, o azure para entrenamiento de modelos ml y manejo de grandes volúmenes de datos.
- *mlops*: conocimientos básicos en mlops para el despliegue y mantenimiento de modelos en producción.
*conocimientos en reconocimiento automático del habla (asr)*
- *sistemas de asr*: conocimiento en sistemas de reconocimiento de voz como kaldi, deepspeech, google speech-to-text, y otros servicios de asr.
- *evaluación de modelos*: técnicas para evaluar la precisión y efectividad de los sistemas de reconocimiento de voz (wer - word error rate).
*conocimientos en bases de datos y manejo de datos*
- *sql y nosql*: conocimientos en bases de datos relacionales (e.g., mysql, postgresql) y no relacionales (e.g., mongodb).
- *big data*: familiaridad con tecnologías y frameworks de procesamiento de grandes volúmenes de datos como hadoop y spark.
*habilidades blandas y trabajo en equipo*
- *comunicación*: habilidad para comunicar resultados técnicos y no técnicos a diferentes audiencias.
- *trabajo en equipo*: experiência trabajando en equipos multidisciplinarios, colaborando con otros desarrolladores, científicos de datos, y stakeholders del negocio.
- *gestión de proyectos*: conocimientos en metodologías ágiles (e.g., scrum, kanban) para la gestión de proyectos de desarrollo de software.
*otros conocimientos específicos*
- *dominio del contexto del negocio*: familiaridad con el contexto y las necesidades específicas de una casa de empeño, para entender mejor los diálogos y la terminología usual.
- *seguridad y privacidad*: conocimiento en la gestión de datos sensibles y cumplimiento de regulaciones de privacidad y seguridad de datos.
Resumen del perfil ideal
*título*: ingeniero de machine learning y procesamiento de lenguaje natural
*experiência*: mínimo 3-5 años en desarrollo de algoritmos de ml y nlp, preferiblemente con experiência en proyectos de reconocimiento de voz y análisis de audio.
*educación*: grado en ciencias de la computación, ingeniería de software, matemáticas, o un campo relacionado. Se valorará un postgrado o especialización en inteligencia artificial o machine learning.
*habilidades clave*:
- profundo conocimiento en machine learning y deep learning.
- experiência en procesamiento y análisis de señales de audio.
- dominio de herramientas y frameworks de desarrollo de ml y nlp.
- habilidad para trabajar en entornos de computación en la nube y mlops.
- capacidad de trabajar en equipo y comunicar efectivamente los resultados.
Tipo de puesto: tiempo completo
sueldo: $25,000.00 - $35,000.00 al mes
horario:
- lunes a viernes
- turno de 8 horas
pregunta(s) de postulación:
- ¿vives en cdmx o estado de méxico? Se requiere ir un día a la oficina.
Experiência:
- procesamiento de señales de audio y video: 3 años (obligatorio)
- ciencia de datos: 5 años (obligatorio)
- machine learning y deep learning: 5 años (obligatorio)
- modelos de procesamiento de lenguaje natural (nlp): 5 años (obligatorio)
idioma:
- inglés (obligatorio)
lugar de t