Auditor de tareas de desafíos de ML

Evalúa la calidad, corrección y rigor metodológico de las tareas de aprendizaje automático aplicado utilizadas para entrenar y evaluar los modelos de un laboratorio de IA de vanguardia. Analizarás el diseño de experimentos, el razonamiento en la selección de modelos y la metodología de evaluación, y proporcionarás comentarios escritos claros basados en rúbricas.

Requisitos básicos • 3+ años de experiencia práctica en ML aplicado/experimental (diseño de experimentos, selección de modelos, ajuste de hiperparámetros, metodología de evaluación) • Sólido dominio del rigor en la calidad de datos: detección de fugas, manipulación de métricas y correcta higiene de entrenamiento/prueba/validación cruzada • Competencia con frameworks estándar de ML (PyTorch, TensorFlow, scikit-learn, XGBoost) • Capacidad para criticar afirmaciones sobre ML frente a la evidencia y reproducir resultados

Requisitos preferidos • Experiencia en competiciones / benchmarks (p. ej., Kaggle) • Investigación de posgrado o historial de publicaciones en ML aplicado • Experiencia previa en calificación de tareas o revisión por pares

Nota: este rol evalúa el rigor del ML aplicado/experimental, no es un rol de construcción de aplicaciones de LLM ni de MLOps.