Contratamos Ingeniero de Machine Learning para nuestro equipo. Buscamos perfiles junior, aunque también son bienvenidos perfiles más avanzados para futuros proyectos. También tenemos oportunidades para estudiantes en prácticas. Interesados en cualquiera de estas opciones enviadnos por favor un email con la información que se indica al final.

Trabajamos en múltiples ámbitos como visión por computador, modelos de lenguaje, modelos físicos, salud, etc. Puedes ver información sobre nuestra empresa en http://cambrianintelligence.com/.

Las tareas incluyen:

- Desarrollo de modelos y sistemas basados en Machine Leaning con especial énfasis en redes neuronales.

- Análisis de datos, visualizaciones de datos, preprocesamiento, etc.

- (opcional) Desarrollo de interfaces de usuario e integración de los modelos en servidores.

Requisitos necesarios:

- Conocimientos y experiencia en el entrenamiento de modelos de Machine Learning y análisis de datos.

- Buen nivel de programación, y en especial Python y sus librerías de data science.

- Buen nivel en matemáticas.

- Basado en España.

Requisitos opcionales:

- Conocimiento acerca de back end (servidores web, linux, etc.)

- Conocimiento de C/C++

- Conocimientos sobre creación de interfaces de usuario mediante tecnologías web.

- Conocimientos de tecnologías Big Data.

Condiciones:

- Trabajo en remoto / híbrido en Sevilla.

- Salario a negociar en función de experiencia y conocimientos.

Los interesados por favor enviadnos un breve email a [email protected], indicando en el asunto "Candidatura ML", con la siguiente información:

• CV
• Breve resumen de tu experiencia previa en ML.
• Rango salarial de interés.
• Muestras de código, repositorios públicos, en caso de tenerlos.
• Tu expediente académico del grado.
• (opcional) Una breve explicación (técnica) de un concepto o técnica de ML, matemáticas, física, etc, el cual consideres interesante.

Agradecemos mucho todas las aplicaciones recibidas y os pedimos disculpas de antemano por no poder responder a todas ellas de forma adecuada debido al volumen recibido.