Deep Learning Engineer (Ai/Llm) - Hybrid

Deep Learning Engineer (Ai/Llm) - Hybrid

Barcelona Temporal 59400 - 72600 € / año (est.) Híbrido
C

De un vistazo

  • Tareas: Diseña y optimiza modelos de deep learning para proyectos innovadores en IA.
  • Empresa: Empresa de tecnología profunda en rápido crecimiento con un ambiente colaborativo.
  • Beneficios: Salario competitivo, beneficios de salud, trabajo híbrido y desarrollo profesional.
  • Otra información: Oportunidades de crecimiento profesional en un entorno dinámico.
  • Por qué este empleo: Contribuye a la vanguardia de la IA y marca la diferencia en el futuro tecnológico.
  • Cualificaciones: Experiencia en desarrollo de modelos de deep learning y habilidades de colaboración en equipo.

El salario previsto está entre 59400 - 72600 € por año.

Deep Learning Engineer

Inscríbase rápido, consulte la descripción completa desplazándose hacia abajo para conocer todos los requisitos de este puesto.

A fantastic opportunity for a driven Deep Learning Engineer to join fast‑growing deep‑tech company, who provide hyper‑efficient software to global companies across finance, energy, manufacturing and cybersecurity to gain an edge with quantum computing and artificial intelligence.

You will have the opportunity to work on challenging projects, contribute to cutting‑edge research, and shape the future of LLM and AI technologies.

Fixed Term Contract until the end of June 2026 , with Hybrid working from sites in Barcelona, Madrid or Zaragoza.

Responsibilities

  • Design, train, and optimize deep learning models from scratch (including LLMs and computer vision models), working end‑to‑end across data preparation, architecture design, training loops, distributed compute, and evaluation.
  • Apply and further develop state‑of‑the‑art model compression techniques, including pruning (structured/unstructured), distillation, low‑rank decomposition, quantization (PTQ/QAT), and architecture‑level slimming.
  • Build reproducible pipelines for large‑model compression, integrating training, re‑training, search/ablation loops, and evaluation into automated workflows.
  • Design and implement strategies for creating, sourcing, and augmenting datasets tailored for LLM pre‑training and post‑training, and computer vision models.
  • Fine‑tune and adapt language models using methods such as SFT, prompt engineering, and reinforcement or preference optimization, tailoring them to domain‑specific tasks and real‑world constraints.
  • Conduct rigorous empirical studies to understand trade‑offs between accuracy, latency, memory footprint, throughput, cost, and hardware constraints across GPU, CPU, and edge devices.
  • Benchmark compressed models end‑to‑end, including task performance, robustness, generalization, and degradation analysis across real‑world workloads and business use cases.
  • Perform deep error analysis and structured ablations to identify failure modes introduced by compression, guiding improvements in architecture, training strategy, or data curation.
  • Design experiments that combine compression, retrieval, and downstream fine‑tuning, exploring the interaction between model size, retrieval strategies, and task‑level performance in RAG and Agentic AI systems.
  • Optimize models for cloud and edge deployment, adapting compression strategies to hardware constraints, performance targets, and cost budgets.
  • Integrate compressed models seamlessly into production pipelines and customer‑facing systems.
  • Maintain high engineering standards, ensuring clear documentation, versioned experiments, reproducible results, and clean modular codebases for training and compression workflows.
  • Participate in code reviews, offering thoughtful, constructive feedback to maintain code quality, readability, and consistency.

Qualifications

  • Master’s or Ph. D. in Computer Science, Machine Learning, Electrical Engineering, Physics, or a related technical field.
  • 3+ years of hands‑on experience training deep learning models from scratch, including designing architectures, building data pipelines, implementing training loops, and running large‑scale distributed training jobs.
  • Proven experience in at least one major deep learning domain where training from scratch is standard practice, such as computer vision (CNNs, Vi Ts), speech recognition, recommender systems (DNNs, GNNs), or large language models (LLMs).
  • Strong expertise with model compression techniques, including pruning (structured/unstructured), distillation, low‑rank factorization, and architecture‑level optimization.
  • Demonstrated ability to analyze and improve model performance through ablation studies, error analysis, and architecture or data‑driven iterative improvements.
  • In‑depth knowledge of foundational model architectures (computer vision and LLMs) and their lifecycle: training, fine‑tuning, alignment, and evaluation.
  • Solid understanding of training dynamics, optimization algorithms, initialization schemes, normalization layers, and regularization methods.
  • Hands‑on experience with Python, Py Torch and modern ML stacks (Hugging Face Transformers, Lightning, Deep Speed, Accelerate, Ne Mo, or equivalent).
  • Experience building robust, modular, scalable ML training pipelines, including experiment tracking, reproducibility, and version control best practices.
  • Practical experience optimizing models for real‑world deployment, including latency, memory footprint, throughput, hardware constraints, and inference‑cost considerations.
  • Excellent problem‑solving, debugging, performance analysis, test design, and documentation skills.
  • Excellent communication skills in English.

By applying to this role you understand that we may collect your personal data and store and process it on our systems.

  • For more information please see our Privacy Notice ( ‑us/privacy‑notice/).
  • Seniority level
  • Mid‑Senior level
  • Employment type
  • Temporary
  • Job function
  • Design and Engineering
  • Industries: Software Development, IT System Custom Software Development, and IT System Design Services

Hay opciones de teletrabajo/trabajo desde casa disponibles para este puesto.

Deep Learning Engineer (Ai/Llm) - Hybrid empresa: Confidential

Utica Park Clinic, parte del Hillcrest HealthCare System, es un excelente empleador que ofrece un entorno de trabajo colaborativo y enriquecedor en Tulsa, OK. Con un enfoque en la atención experta y el crecimiento profesional, los empleados disfrutan de oportunidades de desarrollo, un paquete de beneficios competitivo que incluye bonificaciones por firma y asistencia para reubicación, así como un compromiso con la satisfacción del paciente que se refleja en sus altos índices de satisfacción. Únete a un equipo que valora la pasión y el talento en una ciudad vibrante conocida por su recreación al aire libre y su rica oferta cultural.

C

Datos de contacto:

Equipo de selección de Confidential

Consejo de los expertos de StudySmarter🤫

Creemos que así podrías conseguir Deep Learning Engineer (Ai/Llm) - Hybrid

✨Participa en Hackathons

Los hackathons son una gran manera de demostrar tus habilidades en ingeniería y desarrollo de software en un entorno competitivo. Además, muchos reclutadores asisten a estos eventos en busca de talento fresco, así que ¡prepárate para codear y dejarte ver!

✨Conéctate con comunidades de desarrolladores

Existen numerosos grupos y foros en línea como GitHub, Stack Overflow y comunidades locales en Meetup donde se comparte conocimiento y se pueden encontrar oportunidades laborales, incluso temporales. Involúcrate en discusiones y contribuye a proyectos para ser visible entre tus colegas y potenciales empleadores.

✨Aplica a través de nuestras plataformas

No olvides visitar nuestra web y ver las oportunidades de trabajo temporal en desarrollo de software en Confidential. Nos encanta recibir aplicaciones directas, así que asegúrate de seguirnos para no perderte ninguna oportunidad emocionante.

✨Aprovecha tu red de contactos

Dile a tus amigos, familiares y compañeros de clase que estás buscando una posición temporal en ingeniería. Muchas veces, las mejores oportunidades llegan por referencias. ¡Nunca subestimes el poder del boca a boca!

Creemos que necesitas estas habilidades para triunfar como Deep Learning Engineer (Ai/Llm) - Hybrid

Diseño de modelos de aprendizaje profundo
Optimización de modelos
Compresión de modelos
Pruning (estructurado/no estructurado)
Destilación
Decomposición de bajo rango
Ingeniería de prompts

Algunos consejos para tu solicitud 🫡

Muestra tu pasión por el código:Para el campo de la ingeniería y desarrollo de software, es esencial que tu CV refleje no solo tus habilidades técnicas, sino también tu pasión por la programación. Incluye proyectos personales o contribuciones a código abierto en GitHub. Esto no solo demostrará tus capacidades, sino también tu compromiso con la mejora continua.

Certificaciones que hablan de ti:En nuestro sector, tener certificaciones relevantes puede hacerte destacar. Si has completado cursos o certificaciones de marcas reconocidas (como AWS, Microsoft, o Google), asegúrate de mencionarlos en tu CV. Esto puede dar un gran impulso a tu candidatura, especialmente en un rol temporal donde la confianza en tus habilidades es crucial.

Sé claro sobre tu disponibilidad:Como se trata de un rol temporal, es fundamental que especifiques tu disponibilidad en la aplicación. Indica tu horario y cuánto tiempo puedes dedicar a Confidential en tu carta de presentación. Esto ayudará al equipo a entender cómo puedes encajar en sus planes a corto plazo.

Documentación completa y organizada:Asegúrate de que tu CV y carta de presentación estén bien estructurados y fáciles de seguir. Usa encabezados claros y lista tus habilidades técnicas y proyectos en orden de relevancia. En el desarrollo de software, una presentación ordenada puede reflejar tu atención al detalle, algo muy valorado en nuestra industria. Recuerda aplicar a través de nuestra web para que tu documentación llegue directo a nosotros.

Cómo prepararte para una entrevista de trabajo en Confidential

✨Prepárate para desafiar tu lógica

En el mundo de la ingeniería y desarrollo de software, es común que te enfrentes a preguntas técnicas. Prepárate para resolver algoritmos o problemas de programación en tiempo real. Practica en plataformas como LeetCode o HackerRank para que tu mente esté lista para esos desafíos.

✨Muestra tu portafolio de proyectos

Como técnico temporal, tu portafolio es tu carta de presentación. Asegúrate de tener ejemplos claros de tus trabajos anteriores. Repasa los detalles de tus proyectos, las tecnologías que usaste y cómo aportaste valor a cada uno, y prepárate para discutirlos en detalle.

✨Sé flexible y adaptable

Las posiciones temporales pueden requerir que asumas diferentes responsabilidades o que cambies de enfoque rápidamente. Durante la entrevista, muéstrales que eres un todo terreno, capaz de aprender y adaptarte a nuevas herramientas o lenguajes de programación según sea necesario.

✨Prepárate para trabajar en equipo

El desarrollo de software rara vez es un esfuerzo solitario, así que prepárate para preguntas sobre tu experiencia colaborativa. Habla sobre cómo has trabajado en equipos, las dinámicas que has tenido y cómo manejas conflictos o diferencias de opinión para demostrar que eres un buen compañero de trabajo.