Acerca del puesto
Evaluar la calidad, la corrección y el rigor metodológico de las tareas de aprendizaje automático aplicado utilizadas para entrenar y evaluar los modelos de un laboratorio de IA de frontera. Usted evaluará el diseño de experimentos, el razonamiento de selección de modelos y la metodología de evaluación — y proporcionará comentarios escritos claros basados en rúbricas.
Cualificaciones básicas
- 3+ años de experiencia práctica en ML aplicado/experimental (diseño de experimentos, selección de modelos, ajuste de hiperparámetros, metodología de evaluación)
- Sólido dominio del rigor en la calidad de los datos: detección de fugas de datos (leakage), manipulación de métricas (metric gaming) y buenas prácticas de entrenamiento/prueba/validación cruzada
- Dominio de los frameworks de ML estándar (PyTorch, TensorFlow, scikit-learn, XGBoost)
- Capacidad para cuestionar afirmaciones de ML frente a la evidencia y reproducir resultados
Cualificaciones preferidas
- Experiencia en competiciones / benchmarks (p. ej., Kaggle)
- Investigación de posgrado o historial de publicaciones en ML aplicado
- Experiencia previa en calificación de tareas o revisión por pares
Nota: este puesto evalúa el rigor del ML aplicado/experimental — no es un puesto de creación de aplicaciones con LLM ni de MLOps.