Principal, Ingeniería de IA para el Descubrimiento

• Máster o doctorado en un campo relevante
• Trayectoria demostrable en la implementación de mejores prácticas de ingeniería de software para múltiples casos de uso.
• Dominio avanzado de Python y de las librerías científicas comunes (por ejemplo, PyTorch, Numpy, Pandas).
• Experiencia en la optimización del entrenamiento distribuido de modelos de aprendizaje automático.
• Experiencia en la construcción y despliegue de sistemas de IA/ML en entornos de producción.
• Experiencia con GitHub para el control de versiones, GitHub Actions, CI/CD y otras prácticas de MLOps.
• Experiencia en el despliegue de aplicaciones nativas de la nube y en el uso de proveedores de servicios en la nube como AWS, GCP o Azure.
• Excelentes habilidades de comunicación técnica y de resolución de problemas.
• Capacidad demostrada para colaborar eficazmente en equipos multidisciplinares.

• Experiencia en la implementación de soluciones de Modelos de Lenguaje Extensos (LLM) e IA Generativa a escala empresarial.
• Experiencia contribuyendo al diseño de arquitectura y a las hojas de ruta (roadmaps) técnicas.
• Experiencia proporcionando liderazgo técnico en proyectos de IA o ingeniería de software que involucren prácticas de IA responsable, gobernanza, seguridad y reproducibilidad.
• Experiencia con Kubernetes e infraestructura como código (infrastructure as code).
• Comprensión de la industria farmacéutica y sus procesos.
• Experiencia trabajando en un dominio sujeto a supervisión regulatoria.
• Experiencia trabajando en un entorno de investigación científica.

Aquí, los datos, la tecnología y la ciencia se encuentran de formas inesperadas: ingenieros computacionales, clínicos y científicos de laboratorio en la misma sala, desatando un pensamiento audaz para abordar enfermedades complejas. Trabajarás con herramientas modernas y conjuntos de datos significativos para construir capacidades de IA que influyan directamente en las decisiones de investigación y, en última instancia, en los resultados de los pacientes. Valoramos la curiosidad junto con el rigor, la amabilidad junto con la ambición, y respaldamos el aprendizaje con oportunidades reales, desde la experimentación con nuevos enfoques hasta el reconocimiento del trabajo a través de publicaciones. Con sólidas colaboraciones entre la academia y la industria, podrás ampliar los límites contando con el apoyo de equipos que se mueven rápido, comparten conocimientos y convierten las ideas prometedoras en progresos tangibles.

Define la columna vertebral de ingeniería del descubrimiento: ¡comparte tu CV, cuéntanos sobre el sistema de IA más difícil que hayas llevado a producción y toma el liderazgo de lo que viene a continuación!

• A master's degree or PhD in a relevant field
• A track-record of implementing software engineering best practices for multiple use cases.
• Advanced proficiency in Python and common scientific libraries (e.g. PyTorch, Numpy, Pandas).
• Experience with optimization of distributed training of machine learning models.
• Experience building and deploying AI/ML systems in production environments.
• Experience with GitHub for source control, GitHub Actions, CI/CD, and other MLOps practices.
• Experience with deployment of cloud-native applications and use of cloud vendors such as AWS, GCP or Azure.
• Excellent problem-solving and technical communication skills.
• Demonstrated ability to collaborate effectively across multidisciplinary teams.

• Experience implementing Large Language Model (LLM) and Generative AI solutions at enterprise scale.
• Experience contributing to architecture design and technical roadmaps.
• Experience providing technical leadership on AI or software engineering projects involving responsible AI, governance, security, and reproducibility practices.
• Experience with Kubernetes and infrastructure as code.
• Understanding of the pharmaceutical industry and its processes.
• Experience working in a domain subject to regulatory oversight.
• Experience working in scientific research environment.

Here, data, technology and science meet in unexpected ways-computational engineers, clinicians and bench scientists in the same room, unleashing bold thinking that tackles complex disease. You will work with modern tooling and meaningful datasets to build AI capabilities that directly influence research decisions and, ultimately, patient outcomes. We value curiosity alongside rigor, kindness alongside ambition, and we back learning with real opportunities-from experimenting with new approaches to seeing work recognized through publications. With strong collaborations across academia and industry, you can push boundaries while being supported by teams that move quickly, share knowledge and turn promising ideas into tangible progress.

Shape the engineering backbone of discovery-share your CV and tell us about the toughest AI system you've taken to production, and take the lead on what comes next!