Bjak

20 oct 2026

Ingeniero de Machine Learning aplicado

RemotoPortugal

Portugal

Python

Traducción automática. Consulta el original.

Sobre nosotros

Hoy en día, hay más de 5 mil millones de usuarios que utilizan aplicaciones básicas como correo electrónico, notas, tareas o calendario, y no son nativas de IA. Nuestra misión es crear aplicaciones proactivas para cualquier persona en el mundo que no esté acostumbrada a realizar prompts complejos. Nuestro objetivo es aportar inteligencia a las conversaciones, los recados, la organización y los flujos de trabajo, con un uso mínimo o nulo de prompts.

Nuestra primera aplicación es una app de comunicación móvil centrada en agentes. Creemos que crear aplicaciones que los usuarios utilicen a diario para sus necesidades de comunicación, coordinación y colaboración ayudará a integrar la IA en sus vidas. El efecto neto es eliminar la desinformación, lograr costes de coordinación bajos y permitir tareas y colaboraciones de alta calidad a escala con un uso mínimo o nulo de prompts.

Cómo trabajamos

Los mejores productos del mundo son creados por equipos pequeños y de clase mundial. Somos un equipo práctico con una alta densidad de talento. Tomamos decisiones colectivamente y avanzamos rápidamente, equilibrando un trabajo de alta calidad con el aprendizaje continuo.

Unirse a nuestro equipo requiere la capacidad de aportar estructura, ejercer el juicio y ejecutar de forma independiente. Nuestro objetivo es poner un producto verdaderamente mágico en manos de nuestros usuarios.

El puesto

Crear y mejorar sistemas de ML que impulsen nuestras aplicaciones nativas de IA.

Trabajar en clasificación, recuperación, ranking, personalización y evaluación, asumiendo la responsabilidad desde el desarrollo del modelo hasta su despliegue en producción.

Este puesto es para ingenieros que disfrutan resolviendo problemas prácticos de ML, mejorando la calidad de los modelos y lanzando sistemas fiables utilizados por usuarios reales.

Enfoque

Crear y mejorar modelos de ML para clasificación, ranking, recuperación y personalización.

Desarrollar clasificadores eficientes y optimizar la precisión, exactitud, latencia y coste de los modelos.

Mejorar la relevancia de las búsquedas y la recuperación de contexto mediante embeddings, búsqueda híbrida y reranking.

Crear modelos de personalización que aprendan del comportamiento del usuario respetando su privacidad.

Desarrollar pipelines de evaluación, conjuntos de datos etiquetados y métricas para medir la calidad de los modelos.

Ajustar (fine-tune) y adaptar modelos existentes cuando se disponga de datos suficientes.

Crear y mantener pipelines de entrenamiento, inferencia y despliegue de ML.

Depurar problemas en producción, monitorizar el rendimiento de los modelos y lanzar mejoras basadas en comentarios del mundo real.

Stack tecnológico

Python

PyTorch / JAX

Embeddings, búsqueda vectorial y modelos de ranking

Sistemas de ML en producción y pipelines de inferencia

Experiencia ideal

Sólidos fundamentos en machine learning y arquitecturas neuronales modernas.

Experiencia práctica en la creación y despliegue de modelos de ML en producción.

Experiencia en clasificación, ranking, recuperación, sistemas de recomendación o personalización.

Comprensión de la evaluación de modelos, experimentación y métricas de rendimiento.

Capacidad para escribir código de calidad de producción y trabajar con conjuntos de datos del mundo real.

Capacidad para equilibrar la calidad del modelo, la latencia, el coste y la fiabilidad.

Gran sentido de la responsabilidad y capacidad de resolución de problemas.

Resultados

Los modelos de ML en producción cumplen con los objetivos esperados de precisión, relevancia, latencia y fiabilidad.

Las mejoras en clasificación y ranking ofrecen ganancias medibles en la calidad del modelo.

Los pipelines de evaluación identifican regresiones y respaldan lanzamientos de modelos fiables.

Los pipelines de entrenamiento, inferencia y datos son robustos, reproducibles y mantenibles.

Las mejoras en los modelos están impulsadas por comentarios del mundo real y resultados medibles.

Colabora eficazmente con los equipos de ingeniería y producto para ofrecer funciones fiables basadas en ML.

Proceso de entrevista

Si parece haber encaje, nos pondremos en contacto para programar 3, pero no más de 4 entrevistas.

Las solicitudes son evaluadas por los miembros de nuestro equipo técnico. Las entrevistas se realizarán de forma virtual y/o presencial.

Valoramos la transparencia y la eficiencia, así que espere una decisión rápida. Si ha demostrado las habilidades y la mentalidad excepcionales que buscamos, le haremos una oferta para unirse a nosotros.

Idiomas

Ingeniero de Machine Learning aplicado

Sobre nosotros

Cómo trabajamos

El puesto

Enfoque

Stack tecnológico

Experiencia ideal

Resultados

Proceso de entrevista

Tu próximo empleoya está buscándote.

Más oportunidades con un solo perfil

Sigue explorando

Becario de TI | Programa de Prácticas Natixis 2027 S1

Becario de TI | Programa de Trainees de Natixis 2027 S1

Consultor Senior de Servicios Profesionales