Senior AI Engineer – GenAI/Machine Learning/Deep Learning

¿Quiénes somos?

Nuestro Propósito - Reinventar la forma de hacer Consultoría

NFQ Advisory Services - NWorld somos un ecosistema de compañías especializada en Negocio, Tecnología y Operaciones, que busca cubrir toda la cadena de valor del negocio de nuestros Clientes.

Las Personas que componemos NWorld compartimos una misma meta:

Hacer nuestros los Retos a los que se enfrentan nuestros Clientes.

Los pilares en los que se apoya nuestro Compromiso son:

Búsqueda continua de Especialización. Sabemos de lo que hablamos.

• Conócenos más en

¿Qué buscamos?

Buscamos a alguien con curiosidad y ganas de seguir creciendo para desarrollar modelos de IA avanzados y llevarlos a producción. Te integrarás en un equipo que combina perfiles de ingeniería y funcionales para resolver problemas complejos con Machine Learning (ML), Deep Learning y Generative AI. Si te motiva convertir datos en soluciones reales que aportan valor, este es tu sitio.

Responsabilidades

Desarrollo de modelos de ML y Deep Learning: Analizar conjuntos de datos complejos y construir modelos para resolver problemas de negocio.

Implementación de soluciones GenAI: Diseñar y desplegar aplicaciones basadas en LLMs y otras tecnologías generativas. Esto incluye arquitecturas multi‑agente, estrategias de prompt engineering y sistemas RAG (retrieval‑augmented generation) integrados con bases de datos de grafos.

Puesta en producción y MLOps: Preparar datos, entrenar modelos, realizar inferencias y monitorizar su rendimiento. Trabajar con herramientas de MLOps/LLMOps para industrializar los modelos en entornos cloud u on‑prem.

Colaboración con ingeniería y DevOps: Colaborar estrechamente con ingenieros de software y equipos de DevOps para integrar los modelos en APIs o microservicios y asegurar su escalabilidad y calidad, incluyendo la colaboración para el despliegue sin necesidad de conocimientos profundos en contenedores.

Exploración y evaluación de tecnologías: Evaluar marcos de trabajo, modelos y librerías (LLMs, GANs, VAEs, diffusion models) para seleccionar la mejor solución. Mantenerse al día de las últimas técnicas y herramientas en ciencia de datos y GenAI.

Participación en el ciclo completo de datos: tomar parte en sesiones de descubrimiento analítico con clientes, traducir requisitos de negocio en soluciones técnicas, documentar experimentos y compartir conocimientos para crear activos reutilizables.

Comunicación y presentación de resultados: Explicar de manera clara hallazgos y modelos a equipos no técnicos, participando en formaciones internas y actividades de divulgación.

Requisitos obligatorios

Formación académica: Grado en Matemáticas, Estadística, Física, Informática, Ingeniería o similares. Se valorará Máster en Ciencia de Datos o IA.

Experiencia profesional: mínimo 2-3 años en proyectos de ciencia de datos, con todo el ciclo de vida (desde el análisis hasta la puesta en producción) y al menos un año trabajando con modelos de Deep Learning o Generative AI.

Lenguajes y frameworks: Dominio de Python y SQL; conocimientos en R o Scala son un plus; experiencia con scikit‑learn, TensorFlow, PyTorch o Keras para ML/Deep Learning y con librerías generativas (Hugging Face, LangChain, LlamaIndex, etc.).

Generative AI: Familiaridad con arquitecturas LLMs (GPT, Claude, LLaMA, Mistral), GANs, VAEs y diffusion models. Conocimientos de técnicas de RAG, embeddings, prompt engineering y bases de vectores (FAISS, ChromaDB, Pinecone, Weaviate).

Big Data y bases de datos: Experiencia trabajando con datos estructurados y no estructurados, ETL y herramientas como PySpark, Hive o Databricks.

Cloud y MLOps: Uso de servicios en Azure, AWS o GCP para entrenar y desplegar modelos. Conocimiento de MLOps/LLMOps (MLflow, SageMaker, Vertex AI, Kubeflow).

Requisitos deseables

Familiaridad con la creación y consumo de APIs REST, Git, Docker y flujos de CI/CD.