This is a remote position.
Como Analista IA ser s la persona ideal para apoyar el rea de Inteligencia Artificial con la Investigaci n An lisis y procesamiento de datos el desarrollo de modelos y evaluaci n de modelos que ser n utilizados en el rea.
Algunas de tus principales actividades ser n:
Investigaci n y an lisis de datos:
o Recopilaci n de datos relevantes para el problema en cuesti n.
o Evaluaci n y selecci n de fuentes de datos adecuadas.
o An lisis exploratorio de datos (EDA) para comprender los patrones y la distribuci n de los datos.
Preprocesamiento de datos:
o Limpieza de datos para eliminar ruido valores at picos y datos faltantes.
o Tokenizaci n y segmentaci n de texto.
o Normalizaci n de texto (min sculas eliminaci n de signos de puntuaci n etc.).
o Codificaci n de etiquetas y etiquetado de datos si es necesario.
Selecci n y desarrollo de modelos:
o Investigaci n y selecci n de arquitecturas de modelos adecuadas para NLP/NLU (por ejemplo modelos Transformer RNN CNN etc.).
o Ajuste de hiperpar metros y entrenamiento de modelos.
o Evaluaci n y comparaci n de modelos en funci n de m tricas relevantes (precisi n exhaustividad F1-score etc.).
Afinamiento de modelos:
o Optimizaci n de hiperpar metros para mejorar el rendimiento del modelo.
o Ajuste fino de modelos pre-entrenados (por ejemplo modelos de lenguaje BERT GPT)para tareas espec ficas.
Evaluaci n de modelos:
o Realizaci n de pruebas de rendimiento utilizando conjuntos de validaci n y prueba.
o Evaluaci n del rendimiento en m tricas como la exactitud la sensibilidad la especificidad y la curva ROC.
o An lisis de errores para comprender las deficiencias del modelo.
Interpretaci n de resultados:
o Interpretaci n de modelos para entender c mo toman decisiones.
o Visualizaci n de caracter sticas importantes y atenci n de modelos.
o Desarrollo de pipelines de procesamiento de lenguaje natural:
Investigaci n continua:
o Mantenerse al tanto de los avances en el campo de NLP y NLU.
o Experimentar con nuevas t cnicas y enfoques de vanguardia.
o Colaboraci n y comunicaci n:
o Colaboraci n con equipos interdisciplinarios como cient ficos de datos ingenieros de software y expertos en dominios espec ficos.
o Comunicaci n efectiva de resultados y hallazgos a partes interesadas no t cnicas.