Resumen
Detalles del puesto
Ayuda completa con la mudanza
Ayuda con la mudanza, según la oferta.
Requisitos
Trabajar en inglés
Se requiere inglés, según la oferta.
Trabajar presencialmente en Bilbao
Ofrecen ayuda completa con la mudanza.
Esta oferta se ha traducido automáticamente al español.
Salario y beneficios
Qué ofrecen
- Horario flexible: tú eliges cuándo empezar tu día;
- Relocalización en Bilbao, España para ti y tu familia, con apoyo total en cada etapa (documentación, vivienda, adaptación, incluso mascotas);
- Vacaciones ilimitadas: tómate tiempo libre cuando realmente lo necesites;
- Una cultura de confianza y respeto por los profesionales, sin micromanagement;
- Una oficina moderna en un barrio acogedor, eventos de equipo regulares y salidas fuera de la oficina;
- Crecimiento y participación en decisiones arquitectónicas, tareas desafiantes y un equipo sólido del que podrás aprender.
Requisitos
Qué buscan
- Dominio de Python (NumPy, pandas) y librerías de RL (Stable Baselines3, RLlib, SKRL);
- Experiencia práctica con algoritmos de RL;
- Sólidos conocimientos de ML clásico: gradient boosting, clustering y otros métodos;
- Experiencia práctica con PyTorch, JAX o TensorFlow;
- Implementación de investigación: capacidad para leer artículos, reproducir y adaptar algoritmos, realizar estudios de ablación y validar hipótesis experimentalmente;
- Fuerte pensamiento algorítmico: un nivel de competencia tipo LeetCode es una gran ventaja;
- Comunicación clara y estructurada: sabes cómo escuchar, aprender y articular tus ideas de forma eficaz.
Se valorará
- Experiencia con Isaac Gym/Sim/Lab o simuladores similares (PyBullet, MuJoCo, Unity ML-Agents);
- Práctica en deep learning: comprensión sólida de CNNs, LSTMs, Transformers y la capacidad de aplicarlos eficazmente.
El puesto
Buscamos un ML Engineer para unirse a nuestro equipo de investigación: alguien apasionado por construir y desplegar agentes inteligentes en entornos complejos.
Este puesto es ideal para alguien que quiera crecer en un entorno altamente técnico, aprender de un equipo experimentado y generar un impacto en sistemas del mundo real.
Qué harás
- Desarrollo de agentes de RL en entornos dinámicos: implementación y ajuste de modelos para lograr un alto rendimiento;
- Análisis y optimización del entrenamiento: evaluación del comportamiento del agente, refinamiento de la lógica de entrenamiento e hiperparámetros basados en los resultados;
- Validación y selección de agentes: diseño de pipelines de prueba y comparación para filtrar los mejores agentes y checkpoints para el despliegue;
- Integración en producción y monitorización: despliegue de agentes, análisis del rendimiento en el mundo real y mejora iterativa de los modelos y la lógica de decisión;
- Automatización de flujos de trabajo de RL: construcción y mantenimiento de pipelines para agilizar y acelerar todo el ciclo de vida.


