Categorías
···
Entrar / Registro
Resumen: Únase a nuestro equipo de Datos Geoespaciales como Científico de Datos en Aprendizaje Automático para construir y mejorar modelos de aprendizaje automático que analicen imágenes satelitales con aplicaciones agrícolas y medioambientales. Aspectos destacados: 1. Hacerse responsable de la construcción y mejora de modelos de aprendizaje automático para datos geoespaciales. 2. Colaborar de forma transversal para convertir casos de uso del mundo real en soluciones. 3. Operar de forma independiente dentro de una pila de infraestructura de aprendizaje automático ya existente. **Resumen del puesto** Buscamos un Científico de Datos en Aprendizaje Automático para unirse a nuestro equipo de Datos Geoespaciales. Usted asumirá la responsabilidad de construir y mejorar modelos de aprendizaje automático que analicen imágenes satelitales para apoyar aplicaciones agrícolas y medioambientales. El puesto implica realizar experimentos, interpretar resultados y abordar desafíos de modelado de forma independiente, mientras colabora con científicos, gestores de producto e ingenieros para transformar casos de uso reales en soluciones fiables y listas para producción. **Sus funciones** * Entrenar, evaluar y mejorar de forma iterativa modelos de clasificación y regresión geoespaciales basados en arquitecturas de aprendizaje profundo existentes, utilizando series temporales satelitales multiespectrales. * Analizar el rendimiento de los modelos en diversas geografías, estaciones y clases objetivo, diagnosticando modos de fallo y ajustando las configuraciones de entrenamiento, estrategias de muestreo y hiperparámetros para lograr mejoras significativas. * Diseñar y ejecutar experimentos para validar decisiones de modelado, interpretar resultados y traducir hallazgos en siguientes pasos concretos. * Trabajar con científicos especializados y expertos en la materia para comprender la calidad de las etiquetas, las limitaciones de la verdad fundamental y cómo la complejidad del mundo real debe informar las decisiones de modelado. * Colaborar de forma transversal con gestores de producto, científicos especializados y equipos de ingeniería para transformar casos de uso en soluciones robustas de aprendizaje automático. * Operar de forma independiente dentro de una pila de infraestructura de aprendizaje automático ya existente, ejecutando trabajos de entrenamiento en Vertex AI, gestionando datos en BigQuery y Cloud Storage, y desplegando modelos en puntos finales de producción. * Aplicar una mentalidad de ingeniería para mejorar, según sea necesario, los marcos y la infraestructura de aprendizaje automático existentes con el fin de satisfacer nuevas necesidades del producto. * Implementar flujos de trabajo de aprendizaje activo y de control de calidad automatizado para mejorar continuamente la calidad y el rendimiento de los modelos. * Gestionar todo el ciclo de vida del modelo, incluidos el seguimiento de experimentos, el registro del modelo, la versión y el despliegue en puntos finales de AI Platform. * Contribuir a la mejora de las canalizaciones de datos y los flujos de trabajo de orquestación cuando sea necesario para eliminar obstáculos en el trabajo de modelado. **Qué buscamos** * Experiencia de 4 a 6 años en ingeniería de aprendizaje automático o ciencia de datos, con al menos 2 años trabajando con datos de teledetección o geoespaciales. * Capacidad demostrada para trabajar de forma independiente, asumiendo la responsabilidad integral de un problema de modelado, superando obstáculos por sí mismo y entregando resultados con mínima supervisión en un entorno dinámico. * Intuición sólida para el diagnóstico de modelos, incluida la interpretación de curvas de entrenamiento, matrices de confusión, filtraciones de datos y métricas de evaluación para identificar qué funciona y qué no. * Experiencia práctica entrenando modelos de aprendizaje profundo (TensorFlow o PyTorch) en tareas de series temporales multiespectrales o imágenes, incluido el entrenamiento distribuido (DDP, múltiples GPU). * Conocimientos fundamentales de datos geoespaciales y teledetección, incluidas proyecciones/SRC, ráster frente a vector, cálculo de bandas, enmascaramiento de nubes, composiciones temporales y estadísticas espaciales. * Familiaridad con datos de sensores SAR, multiespectrales o hiperspectrales. * Capacidad para operar con comodidad en infraestructuras de aprendizaje automático en la nube. * Conocimientos fundamentales de MLOps, incluido el seguimiento de experimentos, la versión de conjuntos de datos y modelos, y conceptos básicos de CI/CD. **Deseable** * Familiaridad con herramientas de orquestación de flujos de trabajo, como Argo Workflows, Airflow, Kubeflow o similares. * Familiaridad con Google Earth Engine para el acceso y el cómputo a gran escala de datos geoespaciales. * Experiencia utilizando asistentes de programación con IA u otras herramientas de desarrollo agente como parte del flujo de trabajo diario de aprendizaje automático, con interés en aplicar enfoques agentes para automatizar y acelerar el ciclo de vida del modelado.
