Acerca del puesto
Trabaja directamente con sistemas de IA para crear datos cuantitativos de alta calidad y ayudar a mejorar su razonamiento matemático y de investigación. Aplica tus conocimientos de nivel de posgrado en probabilidad, estadística y programación mientras aprendes cómo los datos creados por expertos apoyan el entrenamiento posterior y la evaluación de la IA.
Qué harás
- Interactuar con modelos de IA en tareas de probabilidad, estadística, modelado cuantitativo, análisis de series temporales y programación para investigación.
- Crear problemas cuantitativos desafiantes, soluciones de referencia y ejemplos resueltos reproducibles.
- Revisar las matemáticas y el código generados por IA, comprobar supuestos e identificar fuga de datos, sobreajuste o lógica de backtesting defectuosa.
- Comparar y anotar las respuestas de los modelos, explicar los errores con claridad y documentar el razonamiento detrás de una solución de alta calidad.
Qué aprenderás
- Aprender cómo se utilizan los ejemplos específicos del dominio y la retroalimentación humana para apoyar el entrenamiento posterior de la IA.
- Adquirir experiencia práctica evaluando respuestas de IA, aplicando pautas de anotación y comprobando la calidad de los conjuntos de datos.
- Ver cómo la precisión factual, el razonamiento claro y la retroalimentación consistente ayudan a los equipos a evaluar y mejorar el comportamiento de los modelos de IA.
- Desarrollar experiencia en la intersección de tu campo académico y la IA aplicada mediante el trabajo en proyectos y la retroalimentación.
Modalidad de trabajo
- Prácticas remotas
- Colaborar con el equipo en proyectos delimitados de datos y evaluación de IA
El alcance del proyecto, el cronograma, las herramientas y las expectativas se discutirán durante el proceso de solicitud. Utiliza únicamente materiales aprobados; no compartas datos confidenciales de investigación del empleador, del cliente o de la universidad.
Qué buscamos
- Estar actualmente inscrito en un programa de maestría o superior en matemáticas, estadística, ciencias de la computación, finanzas cuantitativas o un campo relacionado.
- Conocimientos fundamentales de probabilidad, estadística y álgebra lineal.
- Soltura con Python y bibliotecas de análisis de datos, o con un lenguaje de programación para investigación comparable.
- Capacidad para explicar supuestos, reproducir cálculos y evaluar limitaciones con honestidad.