Es tu oportunidad para ser parte de una de las compañías de telecomunicaciones más grandes del mundo, comprometida con la innovación y la excelencia en el servicio. Nos enorgullece ser pioneros en la tecnología 5G, y estamos dedicados a conectar a personas y empresas de manera más eficiente y segura.
En AT&T promovemos la inclusión y la igualdad de oportunidades sin discriminación por razones de sexo, género, orientación sexual, edad, discapacidad, origen étnico, entre otros. Fomentamos la equidad mediante ajustes razonables en el entorno laboral.
Objetivo del puesto :
- Diseñar, desarrollar, entrenar y optimizar modelos avanzados de inteligencia artificial (ML, DL, RL, GenAI), colaborando estrechamente con científicos de datos y equipos de negocio para traducir problemas complejos en soluciones técnicas viables, asegurando que los modelos sean robustos, eficientes y estén listos para su integración en entornos productivos por parte del equipo de MLOps.
- Gestionar proyectos de ingeniería de IA de extremo a extremo, colaborando con equipos multidisciplinarios (internos y externos) para traducir requerimientos de negocio en arquitecturas técnicas, desarrollar pipelines de datos, entrenar modelos, y desplegar soluciones confiables, seguras y alineadas con los objetivos estratégicos de la compañía.
- Garantizar la operación continua, monitoreo y mejora de los sistemas de IA, implementando buenas prácticas de MLOps, automatización de flujos de trabajo, validación de modelos, control de versiones y gestión de infraestructura, para maximizar el impacto y valor generado.
- Comunicar avances técnicos, limitaciones y resultados clave a stakeholders relevantes, utilizando visualizaciones claras, documentación técnica y reportes ejecutivos, facilitando la toma de decisiones basada en datos y el entendimiento de la tecnología implementada.
Requisitos :
Título universitario en Ingeniería, Ciencias de la Computación, Matemáticas, Estadística o campos relacionados.Ingles avanzadoJupyter / VS Code (Avanzado)Visualización técnica : matplotlib / seaborn / plotly (Intermedio)APIs y empaquetado : FastAPI (Básico-Intermedio) (exponer modelos como servicios) ,Docker (Intermedio) (empaquetar artefactos; el despliegue lo ejecuta MLOps)Programación : Python (Avanzado), Spark / Databricks(Intermedio-Avanzado), SQL(Avanzado), Bash / Consola de Linux (Intermedio)Control de versiones y experimentación : Git (Avanzado), Mlflow (tracking + model registry) (Avanzado)Plataformas Databricks (Intermedio–Avanzado)Una nube principal (AWS, Azure o GCP) (Intermedio)Frameworks de ML / DL : scikit-learn (Avanzado), Pytorch o Tensorflow (Avanzado), Pytorch Lightning o Hugging Face (Intermedio)GenAI / LLMs : Hugging Face Transformers (Intermedio), LangChain o Llama Index (Intermedio)