Acerca del Puesto En WhatJobs Direct , nuestro laboratorio de Investigación y Desarrollo está a la vanguardia de la innovación, explorando las fronteras del conocimiento en Inteligencia Artificial. Buscamos un Investigador Principal excepcional para unirse a nuestro equipo en la Ciudad de México , enfocado en el desarrollo de algoritmos de Aprendizaje por Refuerzo (RL) de próxima generación. Serás responsable de liderar la investigación teórica y experimental, diseñando y validando nuevos algoritmos que impulsen la autonomía en sistemas complejos. El candidato ideal poseerá un historial académico y de investigación sólido, con publicaciones en conferencias y revistas de primer nivel, y una profunda intuición sobre cómo los agentes de RL pueden aprender y adaptarse en entornos dinámicos. Trabajarás en proyectos ambiciosos que buscan resolver desafíos significativos en robótica, optimización y sistemas de toma de decisiones. Esta es una oportunidad única para dirigir la investigación de vanguardia y tener un impacto duradero en el campo de la IA en la vibrante Ciudad de México .
Responsabilidades Clave
- Liderar la investigación teórica y el desarrollo de nuevos algoritmos de Aprendizaje por Refuerzo.
- Diseñar y ejecutar experimentos para evaluar la eficacia y robustez de los algoritmos de RL propuestos.
- Publicar hallazgos de investigación en conferencias y revistas científicas de alto impacto.
- Colaborar con ingenieros de software para implementar y desplegar algoritmos de RL en sistemas reales y simulados.
- Identificar oportunidades para aplicar RL a problemas desafiantes en diversas áreas.
- Mentorizar a investigadores y científicos de datos junior en el equipo.
- Mantenerse actualizado sobre el estado del arte en Aprendizaje por Refuerzo, Machine Learning y áreas relacionadas.
- Presentar resultados de investigación a audiencias técnicas y no técnicas.
- Contribuir a la estrategia de investigación a largo plazo del equipo.
Requisitos
- Doctorado en Ciencias de la Computación, IA, Matemáticas, Estadística o un campo relacionado, con especialización en Aprendizaje por Refuerzo.
- Historial demostrado de investigación de alta calidad, evidenciado por publicaciones en conferencias y revistas de primer nivel (NeurIPS, ICML, ICLR, etc.).
- Experiencia de al menos 5 años en investigación de Aprendizaje por Refuerzo, incluyendo algoritmos como DQN, PPO, SAC, etc.
- Sólido conocimiento de las matemáticas subyacentes al RL (teoría de Markov Decision Processes, optimización).
- Experiencia con frameworks de Machine Learning como TensorFlow, PyTorch.
- Habilidades de programación avanzadas en Python.
- Capacidad para liderar iniciativas de investigación y trabajar de forma autónoma.
- Excelentes habilidades analíticas, de resolución de problemas y de comunicación.
- Experiencia en entornos de trabajo híbrido y colaboración efectiva con equipos distribuidos.
Beneficios
- Salario excepcional y paquete de compensación basado en la experiencia y el impacto.
- Oportunidad de liderar la investigación en uno de los campos más emocionantes de la IA.
- Acceso a recursos computacionales de vanguardia.
- Entorno de investigación estimulante y colaborativo en la Ciudad de México .
- Oportunidades de desarrollo profesional y asistencia a conferencias internacionales.
- Seguro médico y otros beneficios competitivos.
#J-18808-Ljbffr
Investigador Principal en Algoritmos de Aprendizaje por Refuerzo in Nice employeur : Placements24
Nuestra empresa de comercio electrónico en Ciudad de México se destaca como un excelente empleador al ofrecer un entorno de trabajo colaborativo e innovador, donde los ingenieros de software pueden crecer profesionalmente y tener un impacto significativo en la industria. Con un paquete de compensación competitivo, opciones de trabajo híbrido y un fuerte enfoque en el desarrollo profesional, brindamos a nuestros empleados las herramientas y oportunidades necesarias para sobresalir en sus carreras. Aquí, cada miembro del equipo es valorado y tiene la oportunidad de liderar en un ecosistema dinámico y en constante evolución.
