De un vistazo
- Tareas: Diseña y optimiza modelos de deep learning desde cero, trabajando en proyectos desafiantes.
- Empresa: Empresa de deep-tech en crecimiento que utiliza IA y computación cuántica.
- Beneficios: Contrato temporal hasta junio de 2026, trabajo híbrido en Barcelona, Madrid o Zaragoza.
- Otra información: Oportunidades de crecimiento profesional en un entorno dinámico.
- Por qué este empleo: Contribuye a la investigación de vanguardia y da forma al futuro de la IA.
- Cualificaciones: Máster o Ph.D. en campos técnicos y experiencia en modelos de deep learning.
El salario previsto está entre 61650 - 75350 € por año.
Una fantástica oportunidad para un ingeniero de aprendizaje profundo motivado para unirse a una empresa de tecnología profunda en rápido crecimiento, que proporciona software hipereficiente a empresas globales en finanzas, energía, manufactura y ciberseguridad para obtener una ventaja con la computación cuántica y la inteligencia artificial. Tendrás la oportunidad de trabajar en proyectos desafiantes, contribuir a investigaciones de vanguardia y dar forma al futuro de las tecnologías de LLM y AI.
Contrato a plazo fijo hasta finales de junio de 2026, con trabajo híbrido desde sitios en Barcelona, Madrid o Zaragoza.
Responsabilidades
- Diseñar, entrenar y optimizar modelos de aprendizaje profundo desde cero (incluidos LLMs y modelos de visión por computadora), trabajando de extremo a extremo en la preparación de datos, diseño de arquitectura, bucles de entrenamiento, computación distribuida y evaluación.
- Aplicar y desarrollar aún más técnicas de compresión de modelos de última generación, incluyendo poda (estructurada/no estructurada), destilación, descomposición de bajo rango, cuantización (PTQ/QAT) y adelgazamiento a nivel de arquitectura.
- Construir tuberías reproducibles para la compresión de grandes modelos, integrando entrenamiento, reentrenamiento, bucles de búsqueda/ablation y evaluación en flujos de trabajo automatizados.
- Diseñar e implementar estrategias para crear, obtener y aumentar conjuntos de datos adaptados para el preentrenamiento y postentrenamiento de LLM y modelos de visión por computadora.
- Ajustar y adaptar modelos de lenguaje utilizando métodos como SFT, ingeniería de prompts y optimización por refuerzo o preferencia, adaptándolos a tareas específicas del dominio y restricciones del mundo real.
- Realizar estudios empíricos rigurosos para comprender las compensaciones entre precisión, latencia, huella de memoria, rendimiento, costo y restricciones de hardware en dispositivos GPU, CPU y edge.
- Evaluar modelos comprimidos de extremo a extremo, incluyendo rendimiento de tareas, robustez, generalización y análisis de degradación en cargas de trabajo del mundo real y casos de uso empresarial.
- Realizar un análisis profundo de errores y ablaciones estructuradas para identificar modos de falla introducidos por la compresión, guiando mejoras en la arquitectura, estrategia de entrenamiento o curación de datos.
- Diseñar experimentos que combinen compresión, recuperación y ajuste fino posterior, explorando la interacción entre el tamaño del modelo, estrategias de recuperación y rendimiento a nivel de tarea en sistemas RAG y AI Agente.
- Optimizar modelos para despliegue en la nube y edge, adaptando estrategias de compresión a restricciones de hardware, objetivos de rendimiento y presupuestos de costo.
- Integrar modelos comprimidos sin problemas en tuberías de producción y sistemas orientados al cliente.
- Mantener altos estándares de ingeniería, asegurando documentación clara, experimentos versionados, resultados reproducibles y bases de código modulares limpias para flujos de trabajo de entrenamiento y compresión.
- Participar en revisiones de código, ofreciendo comentarios constructivos y reflexivos para mantener la calidad, legibilidad y consistencia del código.
Calificaciones
- Maestría o doctorado en Ciencias de la Computación, Aprendizaje Automático, Ingeniería Eléctrica, Física o un campo técnico relacionado.
- Más de 3 años de experiencia práctica entrenando modelos de aprendizaje profundo desde cero, incluyendo diseño de arquitecturas, construcción de tuberías de datos, implementación de bucles de entrenamiento y ejecución de trabajos de entrenamiento distribuidos a gran escala.
- Experiencia comprobada en al menos un dominio principal de aprendizaje profundo donde el entrenamiento desde cero es la práctica estándar, como visión por computadora (CNNs, ViTs), reconocimiento de voz, sistemas de recomendación (DNNs, GNNs) o modelos de lenguaje grande (LLMs).
- Fuerte experiencia con técnicas de compresión de modelos, incluyendo poda (estructurada/no estructurada), destilación, factorización de bajo rango y optimización a nivel de arquitectura.
- Capacidad demostrada para analizar y mejorar el rendimiento del modelo a través de estudios de ablación, análisis de errores y mejoras iterativas impulsadas por la arquitectura o los datos.
- Conocimiento profundo de arquitecturas de modelos fundamentales (visión por computadora y LLMs) y su ciclo de vida: entrenamiento, ajuste fino, alineación y evaluación.
- Comprensión sólida de dinámicas de entrenamiento, algoritmos de optimización, esquemas de inicialización, capas de normalización y métodos de regularización.
- Experiencia práctica con Python, PyTorch y pilas modernas de ML (HuggingFace Transformers, Lightning, DeepSpeed, Accelerate, NeMo o equivalente).
- Experiencia en la construcción de tuberías de entrenamiento de ML robustas, modulares y escalables, incluyendo seguimiento de experimentos, reproducibilidad y mejores prácticas de control de versiones.
- Experiencia práctica optimizando modelos para despliegue en el mundo real, incluyendo latencia, huella de memoria, rendimiento, restricciones de hardware y consideraciones de costo de inferencia.
- Excelentes habilidades de resolución de problemas, depuración, análisis de rendimiento, diseño de pruebas y documentación.
- Excelentes habilidades de comunicación en inglés.
Al postularte a este puesto, entiendes que podemos recopilar tus datos personales y almacenarlos y procesarlos en nuestros sistemas. Para más información, consulta nuestro Aviso de Privacidad.
Nivel de seniority: Nivel medio-senior
Tipo de empleo: Temporal
Función laboral: Diseño e Ingeniería
Industrias: Desarrollo de Software, Personalización de Sistemas IT, y Servicios de Diseño de Sistemas IT
Deep Learning Engineer (AI/LLM) - Hybrid empresa: European Tech Recruit
Nuestra organización de tecnología profunda en rápido crecimiento se destaca como un excelente empleador al ofrecer un entorno de trabajo colaborativo y dinámico en San Sebastián. Fomentamos el crecimiento profesional a través de oportunidades de desarrollo continuo y un enfoque en la innovación, lo que permite a nuestros empleados contribuir significativamente a soluciones de IA robustas. Además, nuestro modelo de trabajo híbrido y la posibilidad de patrocinio de visa hacen que esta posición sea aún más atractiva para talentos internacionales.
Datos de contacto:
Equipo de selección de European Tech Recruit
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 European Tech Recruit. 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
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 European Tech Recruit 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 European Tech Recruit
✨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.