Software Engineer Machine Learning — Remoto - Global — AI Video Platform - Python, TensorFlow,

Descripción del puesto

Sobre la vacante

Synthesia, tras una ronda de inversión de $200M Serie E, está escalando rápidamente su plataforma de video con IA y desarrollando nuevos productos empresariales. Buscan un Software Engineer, Machine Learning para unirse a un equipo que redefine cómo se comparte el conocimiento en las mejores empresas del mundo. La posición es remota global, ideal para profesionales que quieran trabajar en proyectos de vanguardia en inteligencia artificial y generación de video.

Requisitos clave:

• Experiencia en desarrollo de modelos de machine learning
• Conocimiento profundo en frameworks como TensorFlow o PyTorch
• Capacidad para trabajar en un entorno de rápido crecimiento y alta innovación
• Habilidades en Python y procesamiento de datos a gran escala

Beneficios mencionados:

• Oportunidad de trabajar en una startup de IA con respaldo de capital de riesgo
• Cultura de innovación y proyectos desafiantes
• Equipo distribuido globalmente

¿Por qué deberías aplicar?

Esta es tu oportunidad de formar parte de Synthesia, una empresa que está transformando la creación de contenido con IA. Aprenderás de expertos en machine learning, trabajarás en productos que impactan a empresas líderes y desarrollarás habilidades en una de las industrias más dinámicas del momento. Si buscas crecer profesionalmente en un entorno de alta tecnología y colaboración global, esta vacante es para ti.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Habilidades técnicas: Python avanzado, experiencia con TensorFlow o PyTorch, conocimiento en procesamiento de video o datos multimedia, comprensión de algoritmos de ML
• Soft skills: Comunicación efectiva en equipos remotos, capacidad de adaptación a cambios rápidos, pensamiento crítico para resolver problemas complejos

Tips prácticos para este puesto

• Prepara tu portafolio: Incluye proyectos de ML relacionados con video o procesamiento multimedia
• Investiga la empresa: Entiende cómo Synthesia usa IA en video y prepárate para discutir casos de uso
• Practica coding challenges: Enfócate en problemas de machine learning y optimización de modelos

Recursos recomendados

• Tools: TensorFlow, PyTorch, OpenCV, Jupyter Notebooks
• Documentación: Documentación oficial de TensorFlow y PyTorch, papers de investigación en video generation
• Influencers: Seguir a líderes en IA como Andrew Ng o investigadores en computer vision
• Cursos: Especializaciones en Coursera sobre deep learning o cursos en Udacity de machine learning engineer

Preguntas frecuentes en entrevistas para este rol

• Pregunta 1: "Describe un proyecto de machine learning en el que hayas trabajado y los desafíos que enfrentaste" + Tip: Enfócate en el proceso de solución, métricas usadas y aprendizajes clave
• Pregunta 2: "¿Cómo optimizarías un modelo de ML para video en tiempo real?" + Tip: Menciona técnicas como model pruning, quantization y uso de hardware especializado
• Pregunta 3: "¿Cómo manejas datos desbalanceados en un dataset de video?" + Tip: Explica métodos como oversampling, undersampling o uso de loss functions específicas

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $2,500 - $4,000 | | Mid | $4,000 - $6,500 | | Senior | $6,500 - $10,000 |

*Nota: Varía según país, empresa, modalidad (remoto internacional paga más) y tecnologías específicas. Empresas de USA/EU pagando en LATAM suelen ofrecer 30-50% más.*

Red flags a considerar

• Bandera roja 1: Falta de claridad en los objetivos del equipo de ML + Qué preguntar: "¿Cuáles son los KPIs específicos para este rol en los próximos 6 meses?"
• Bandera roja 2: Infraestructura de datos desorganizada + Qué investigar: Pregunta sobre los pipelines de datos, herramientas de versionado de modelos y acceso a recursos computacionales
• Bandera roja 3: Expectativas poco realistas en plazos de proyectos de IA + Señal de advertencia: Si mencionan deadlines ajustados sin considerar la iteración de modelos, pregunta sobre el proceso de experimentación y validación