Buscando un Científico de Datos Senior (NLP) para unirse a nuestro equipo en Woodlawn, MD, apoyando a una gran agencia federal. Este puesto requiere una amplia experiencia en Procesamiento del Lenguaje Natural (PLN) e IA Generativa. En este puesto, tenderás un puente entre la investigación algorítmica compleja y los sistemas de producción escalables. No solo construirás modelos de lenguaje sofisticados, sino que también actuarás como líder técnico, traduciendo datos complejos en decisiones estratégicas de negocio y colaborando estrechamente con equipos multifuncionales.

*Este es un puesto permanente que se espera que esté en las instalaciones 5 días a la semana.

Responsabilidades principales:

· Aplica conocimientos en Python, frameworks de NLP, SQL, Pandas, NLTK, SPACy y LLMs.

· Consulta y analiza datos transaccionales complejos usando SQL.

· Comprender los retos del mundo real y desarrollar soluciones automatizadas de datos.

· Desarrollar, probar y desplegar nuevas técnicas para la comprensión de la PLN.

· Desarrollo y despliegue escalable de enfoques de ML e IA generativa (como los Grandes Modelos de Lenguaje).

· Determinar la naturaleza de los problemas analíticos, evaluar opciones y ofrecer recomendaciones para su resolución.

· Asesora sobre los métodos y datos necesarios y/o disponibles para evaluar el problema (de inteligencia o de datos).

· Colaborar con recopiladores de datos y analistas para identificar y cerrar lagunas en problemas complejos de monitorización.

· Proporcionar análisis de datos precisos, oportunos, complejos y sofisticados.

· Entrenar y optimizar modelos de PLN/LLM y crear pipelines basados en Python.

· Crea soluciones nativas en la nube en AWS.

Requisitos mínimos:

· Se requiere la capacidad de obtener y mantener una autorización de Fideicomiso Público.

· Máster con 10+ años, grado 12+ años o 18+ años de experiencia relevante.

· Licenciatura en Estadística, Matemáticas Aplicadas, Informática o Ciencias de la Información y experiencia en la industria en Python, SQL, NLP (spaCy/NLTK) y LLM.

· Experiencia con IA Generativa y Grandes Modelos de Lenguaje (LLMs)

· Experiencia con despliegue y operaciones de modelos de ML como DevOps, MLOps, LLMOps.

· Experiencia en Procesamiento de Lenguaje Natural (PLN), Python, frameworks de PLN, SQL, Pandas, NLTK y SPACy.

· Domino la programación en Python, control de versiones y colaboración con GIT, paquetes estándar de Python (por ejemplo, Pandas, numpy, matplotlib) y frameworks de aprendizaje automático

· Conocimiento de TensorFlow, PyTorch, Pandas, scikit-learn, NLTK, Azure ML (opcional) y AWS EC2.

· Experiencia con frameworks de datos escalables (Apache Spark) y herramientas de orquestación de flujos de trabajo (Apache Airflow).

· Conocimiento experto en la realización de análisis de datos y en la aplicación de conceptos estadísticos avanzados y métodos de aprendizaje automático para construir, entrenar, probar y evaluar una variedad de modelos analíticos supervisados y no supervisados.

· Competente en extraer y manipular datos de diversas fuentes, incluyendo bases de datos SQL (DB2, Oracle, SQL Server), Hadoop y archivos planos.

· Experiencia con sistemas de gestión de bases de datos (por ejemplo, PostgresSQL, MySQL, SQLite, SQL, etc.).

· Experiencia con PLN y bibliotecas de IA generativa (por ejemplo, spaCy, LangChain), anotación de texto y marcos semánticos.

· Excelentes habilidades para resolver problemas, capacidad para colaborar con equipos multifuncionales y comunicación probada en formatos escritos y verbales para diversos públicos, incluyendo liderazgo ejecutivo.

· Excelentes habilidades analíticas para identificar riesgos potenciales y proponer soluciones eficaces.

· Capacidad para limpiar y procesar grandes cantidades de datos del mundo real.

Titulaciones deseadas:

· Se prefiere ampliamente la experiencia previa en la entrega de proyectos de TI en los sectores gubernamentales federales o estatales.

· Experiencia o disposición a aprender procesamiento distribuido a través del ecosistema Hadoop (Spark, Impala, Hive).

· Experiencia en procesamiento paralelo como programación por GPU con CUDA.

· Experiencia con procesamiento de lenguaje natural para detección de anomalías.

· Experiencia usando lenguajes de marcado como LaTeX, HTML, etc.

· Experiencia con Mathematica.