Brasil
Harness
Avra
Director/a de Investigación (IA)
RemotoBrasil
São Paulo, São Paulo, Brazil
Python
Traducción automática. Consulta el original.
Sobre Avra
Avra está creando modelos fundacionales relacionales para la toma de decisiones empresariales en Brasil.
Nuestro trabajo se centra en modelos nativos de grafos para problemas de predicción estructurados y de alto riesgo: crédito, fraude, crecimiento, monitorización y otras decisiones donde las entidades no pueden entenderse de forma aislada. Modelamos empresas, personas y las relaciones entre ellas como redes en evolución, y luego adaptamos esas representaciones a tareas de predicción específicas del cliente que se integran en los sistemas de decisión existentes.
Trabajamos con asesores de investigación reconocidos internacionalmente y nos importa la investigación que resulta útil en producción.
El puesto
Este es un puesto de liderazgo para un "jugador-entrenador" práctico que será responsable de elevar nuestra función de investigación. Tu misión es escalar la visión científica de nuestros Modelos Fundacionales para Datos Relacionales (por ejemplo, grafos, bases de datos). Elevarás el nivel técnico de todo el equipo y cerrarás la brecha entre la investigación de vanguardia y las capacidades de grado de producción que mueven las métricas más importantes de nuestros clientes. Te asociarás profundamente con nuestros equipos de Datos (grafos y canalizaciones de datos), Ingeniería de Producto y MLOps para transformar ideas ambiciosas en el núcleo de la plataforma de Avra.
Qué Harás
Liderazgo y Estrategia Científica
- Ser responsable de la hoja de ruta de investigación de nuestros Modelos Fundacionales, centrándose en grafos de conocimiento, aprendizaje de representación, métodos auto-supervisados y no supervisados.
- Liderar, mentorizar y hacer crecer un equipo de clase mundial de científicos e ingenieros de investigación.
- Establecer y defender una cadencia de investigación rigurosa: desde la definición de hipótesis y RFCs hasta la experimentación disciplinada y la toma de decisiones clara y basada en datos.
Investigación y Desarrollo Prácticos
- Diseñar e implementar GNNs de última generación para nuestro grafo único a gran escala. Resolver problemas complejos en tareas de nodos, aristas y grafos, embeddings multiescala y generalización temporal/inductiva.
- Construir canalizaciones de entrenamiento y evaluación fiables y reproducibles utilizando PyTorch, PyG y frameworks de entrenamiento distribuido.
- Definir y mantener nuestros benchmarks de referencia, asegurando comparaciones de modelos estadísticamente sólidas.
Producción y Entrega
- Colaborar con Ingeniería de Producto para producir modelos que sirvan tanto para inferencia por lotes como en línea para nuestros clientes.
- Asociarse con nuestros equipos de GTM para definir criterios de éxito para clientes empresariales y para comunicar el impacto del trabajo de tu equipo a partes interesadas técnicas y ejecutivas.
- Asegurar que nuestra investigación tenga en cuenta los desafíos de los sistemas del mundo real, incluido el concepto de deriva (concept drift), y mejorar nuestra estrategia para el despliegue de modelos en contextos regulados.
Deberías Tener
- 7+ años de experiencia en IA/ML (o un doctorado + 4 años)
- Una capacidad demostrada para llevar la investigación a producción: has tomado ideas desde un artículo o prototipo hasta código escalable y fiable que ha proporcionado un impacto empresarial medible.
- Excelencia práctica en Python y PyTorch, con profunda competencia en bibliotecas de aprendizaje de grafos como Pytorch Geometric o DGL.
- Sólidos fundamentos de ingeniería de software, incluyendo pruebas, profiling y construcción de sistemas mantenibles.
- Experiencia probada en mentorizar y liderar proyectos técnicos o gestionar un pequeño equipo (2-6) de científicos/ingenieros.
- Dominio profesional tanto del portugués como del inglés.
Cualificaciones Preferidas
- Experiencia con entrenamiento e inferencia distribuidos.
- Experiencia trabajando con modelos basados en grafos.
- Profundo conocimiento de técnicas de aprendizaje auto-supervisado o contrastivo, particularmente para grafos.
- Un sólido historial de publicaciones en conferencias de IA de primer nivel (NeurIPS, ICML, ICLR, etc.) o contribuciones significativas de código abierto.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil