México
Clara
Workana
Ingeniero/a de Aplicaciones de IA (Media Jornada)
RemotoMéxico
Mexico
AWSGCPDockerKubernetes
Traducción automática. Consulta el original.
Sobre la oportunidad
Cliente: medxprts.ai
Ubicación: Remoto
Tipo: Media jornada, con potencial de transición a jornada completa
Horario: Se requiere coincidencia horaria con la zona horaria de EE. UU.
Descripción
Medxprts.ai está creando una plataforma impulsada por IA para el sector legal y sanitario, utilizando LLMs, flujos de trabajo agentivos y automatización para crear aplicaciones listas para producción.
Buscamos un/a Ingeniero/a de IA - Ajuste Fino de LLM: un/a ingeniero/a práctico/a que haya entrenado y ajustado personalmente modelos de pesos abiertos, construido infraestructura de entrenamiento, diseñado conjuntos de datos a partir de documentos desordenados y establecido rigurosos pipelines de evaluación y entrenamiento de preferencias/feedback. Este puesto trabaja en estrecha colaboración con los equipos de ingeniería para lanzar modelos y funcionalidades integradas en producción.
Responsabilidades
- Diseñar, implementar y ejecutar experimentos de ajuste fino de LLM (LoRA/QLoRA y SFT completo) en modelos de pesos abiertos (p. ej., Llama, Mistral, Qwen) y lanzar modelos entrenados en flujos de trabajo de producto.
- Construir y mantener infraestructura de entrenamiento utilizando PyTorch y herramientas de Hugging Face (Transformers, PEFT, TRL/Axolotl), incluyendo orquestación de entrenamiento multi-GPU (DeepSpeed/FSDP) en AWS o GCP.
- Diseñar conjuntos de datos a partir de fuentes no estructuradas del mundo real (PDF largos, registros médicos/legales), realizando deduplicación, filtrado, comprobaciones de contaminación y divisiones de entrenamiento/evaluación.
- Crear sistemas de evaluación adaptados a las necesidades del dominio: conjuntos de prueba reservados, LLM como juez con calibración humana, pruebas de regresión entre versiones de modelos y monitorización automatizada de la deriva del modelo.
- Implementar flujos de trabajo de entrenamiento de preferencias/feedback (estilo DPO/RLHF o similar) para aprender de correcciones de expertos (médico en el bucle) e integrar bucles de feedback en pipelines de reentrenamiento de modelos.
- Colaborar con ingenieros de backend/frontend para integrar modelos ajustados en servicios, optimizar la latencia/coste de inferencia y dar soporte a despliegues en producción.
- Participar en revisiones de PR, procesos de lanzamiento, depuración de incidentes y mejora continua de las herramientas de entrenamiento y despliegue.
- Garantizar el manejo seguro y conforme de datos sensibles (se valora mucho la familiaridad con HIPAA) durante la preparación de conjuntos de datos y el entrenamiento de modelos.
Requisitos mínimos
- Experiencia práctica en el ajuste fino de LLMs: haber entrenado o ajustado personalmente modelos de pesos abiertos utilizando LoRA/QLoRA y SFT completo; ser capaz de explicar las compensaciones y proporcionar al menos un ejemplo lanzado.
- Experiencia en infraestructura de entrenamiento: ecosistema de PyTorch + Hugging Face (Transformers, PEFT, TRL/Axolotl), conocimiento de entrenamiento multi-GPU (DeepSpeed o FSDP) y ejecución de cargas de trabajo de entrenamiento en AWS o GCP.
- Experiencia en ingeniería de conjuntos de datos: haber construido conjuntos de datos de instrucciones/preferencias a partir de documentos desordenados y no estructurados; conocimiento práctico de deduplicación, filtrado, divisiones de entrenamiento/evaluación y prevención de contaminación.
- Sólida disciplina de evaluación: haber diseñado sistemas de evaluación específicos del dominio más allá de los benchmarks estándar, incluyendo configuraciones de juez calibrado por humanos y pruebas de regresión.
- Experiencia práctica con métodos de aprendizaje de preferencias/feedback (DPO, flujos de trabajo estilo RLHF o equivalente) e integración de feedback de expertos en actualizaciones de modelos.
- Sólidos fundamentos de ingeniería de software: flujos de trabajo de producción (Git, PRs), depuración, pruebas, experiencia en despliegue y código mantenible.
- Experiencia con APIs, bases de datos e integración de servicios para inferencia de modelos.
- Capacidad para trabajar de forma independiente, aprender rápidamente y seguir la dirección técnica.
- Buenas habilidades de comunicación en inglés y disponibilidad para coincidir con el horario laboral de EE. UU.
Se valorará
- Experiencia con estrategias de manejo de contexto largo para documentos muy extensos (entrenamiento sensible a la recuperación, extensión de contexto, RAG para fuentes de miles de páginas).
- Despliegue de modelos y optimización de inferencia: cuantización (GPTQ/AWQ), servicio vLLM/TGI, ajuste de rendimiento/throughput, optimización de latencia y coste.
- Familiaridad con bases de datos vectoriales, pipelines RAG avanzados, MCPs o herramientas de automatización de flujos de trabajo estilo n8n.
- Conocimiento de Docker, CI/CD, Kubernetes/EKS o infraestructura serverless.
- Experiencia previa en sanidad, legaltech, procesos conformes con HIPAA u otros entornos regulados/sensibles a los datos.
- Portafolio público, GitHub o ejemplos de aplicaciones de LLM/agentivas y proyectos de ajuste fino lanzados.
- Puesto totalmente remoto.
- Oportunidad de trabajar en productos de IA reales en el dominio legal y sanitario.
- Alta responsabilidad y autonomía.
- Incentivos basados en el rendimiento y bonificaciones orientadas a resultados.
- Potencial de crecimiento a un puesto a largo plazo y a jornada completa.
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