Científico de Investigación de IA Sénior (RL basado en modelos)

• Doctorado en un campo técnico o experiencia práctica equivalente, con una sólida formación en aprendizaje por refuerzo basado en modelos y conocimientos demostrados en uno o más de los siguientes:

  • Algoritmos de planificación

  • Modelos de mundo / sustitutos de dinámicas aprendidas

  • Reinforcement Learning y Deep Learning

  • Teoría de control

  • RL seguro / con restricciones

• Ya sea:

  • Más de 2 años de experiencia en investigación en el ámbito académico o industrial tras obtener el doctorado.

  • Más de 5 años de experiencia en investigación en el ámbito académico o industrial tras obtener el máster.

• Investigación exhaustiva en los campos de RL {ModelBased, ModelFree, Safe} y Teoría de Control, con especial profundidad en métodos basados en modelos.

• Experiencia práctica en la construcción y evaluación de agentes frente a simuladores (por ejemplo, simuladores diferenciables o modelos de mundo) y en el cierre de la brecha sim-to-real.

• Alineación con los valores de Phaidra: Agency, Velocity, Craft y & Truth.

• Doctorado en aprendizaje automático, control o un campo estrechamente relacionado.

• Experiencia profunda y práctica con RL basado en modelos y agentes de planificación aplicados a sistemas dinámicos o industriales del mundo real.

• Sólidos conocimientos de Python y PyTorch, incluyendo simuladores vectorizados/diferenciables y escalado de experimentos en computación distribuida (por ejemplo, Ray, Kubernetes, GCP).

• Una trayectoria demostrada de publicaciones en RL, control o un área relacionada.

• Una verdadera pasión por la IA y su aplicación en sistemas industriales para mejorar la eficiencia de los recursos.

Residentes en el Reino Unido:

• Tier 1 (Londres): 100.725 GBP - 167.875 GBP

• Tier 2 (Manchester, Birmingham, Edimburgo, Bristol): 94.800 GBP - 158.000 GBP

• Tier 3 (Ciudades más pequeñas / zonas rurales): 88.875 GBP - 148.125 GBP

Residentes en España:

• Tier 1 (Madrid, Barcelona): 89.700 € - 149.500 €

• Tier 2 (Valencia, Sevilla, Bilbao): 82.800 € - 138.000 €

• Tier 3 (Ciudades más pequeñas / zonas rurales): 75.900 € - 126.500 €

Residentes en Portugal:

• Tier 1 (Lisboa, Oporto): 93.840 € - 156.400 €

• Tier 2 (Coímbra, Braga, Aveiro): 89.700 € - 149.500 €

• Tier 3 (Ciudades más pequeñas / zonas rurales): 82.800 € - 138.000 €

Además del salario base, este puesto es elegible para recibir acciones (equity). El salario final se determinará en función de varios factores, incluidas las cualificaciones, habilidades, competencias, experiencia, pericia, educación y ubicación del candidato. En algunos casos, la compensación final puede quedar fuera del rango publicado. Los rangos salariales se revisan periódicamente y pueden ajustarse en respuesta a las tendencias del mercado.

• Entorno dinámico y orientado al equipo donde tu trabajo define directamente el rumbo de la empresa.

• Somos una empresa 100% remota.

• Compensación competitiva y acciones significativas.

• Responsabilidades de gran alcance y desarrollo profesional.

• La formación es fundamental; formación funcional, de inmersión con el cliente y de desarrollo.

• Seguro médico, dental y de la vista (los beneficios exactos varían según la región).

• Tiempo libre remunerado ilimitado, con un mínimo obligatorio de 20 días al año.

• Permiso parental remunerado (los beneficios exactos varían según la región).

• Subsidios flexibles para apoyar tu espacio de trabajo, bienestar y desarrollo profesional continuo.

• MacBook de la empresa.

Ten en cuenta: No todos los beneficios y ventajas de Phaidra enumerados anteriormente se aplican a los empleados temporales, como los becarios.

Phaidra está construyendo el futuro de la automatización industrial.

El mundo actual está lleno de infraestructuras estáticas y monolíticas. Fábricas, centrales eléctricas, edificios, etc., funcionan de la misma manera que lo han hecho durante décadas, porque la programación de los controles está codificada de forma rígida. Miles de líneas de reglas y heurísticas que definen cómo interactúan las máquinas entre sí. El resultado de toda esta codificación rígida es que las instalaciones se quedan congeladas en el tiempo, incapaces de adaptarse a su entorno mientras su rendimiento se degrada lentamente.

Phaidra crea sistemas de control impulsados por IA para el sector industrial, permitiendo que las instalaciones industriales aprendan y mejoren automáticamente con el tiempo. Específicamente:

• Utilizamos algoritmos de aprendizaje por refuerzo para proporcionar esta inteligencia, convirtiendo datos brutos de sensores en acciones y decisiones de alto valor.

• Nos centramos en aplicaciones industriales, que tienden a estar bien sensorizadas y cuentan con KPIs medibles, lo cual es perfecto para el aprendizaje por refuerzo.

• Permitimos que los expertos en la materia (nuestros usuarios) configuren los sistemas de control de IA (es decir, agentes) sin escribir código. Ellos definen lo que quieren que hagan sus agentes de IA y nosotros lo hacemos por ellos.

Nuestro equipo tiene una trayectoria aplicando la IA a algunos de los problemas más difíciles. Desde lograr un rendimiento sobrehumano con AlphaGo de DeepMind, hasta reducir en un 40% la energía necesaria para refrigerar los Data Centers de Google, comprendemos profundamente la IA y cómo aplicarla en producción para lograr un impacto masivo.

La capacidad de Phaidra para cumplir su misión depende de nuestra capacidad para trabajar juntos, tal como definen nuestros valores fundamentales: Agency, Velocity, Craft y Truth. Buscamos personas que encarnen estos valores, ya que son fundamentales para garantizar que nuestro equipo ofrezca excelencia de forma constante y fomente una cultura atractiva y de apoyo.

Los Research Scientists en Phaidra lideran nuestros esfuerzos en el desarrollo de arquitecturas algorítmicas novedosas con el objetivo final de llevar sistemas de control inteligentes al sector industrial.

Tras haber sido pioneros en la investigación en los laboratorios académicos e industriales líderes del mundo como doctores, postdoctorados o profesores, los Research Scientists se unen a Phaidra para trabajar de forma colaborativa dentro y a través de diversos campos de investigación.

Basándose en la experiencia de diversas disciplinas, incluyendo el aprendizaje por refuerzo basado en modelos, la planificación y el control óptimo, el aprendizaje profundo, los modelos de mundo y el aprendizaje por refuerzo seguro, nuestros Research Scientists están a la vanguardia de la investigación pionera y de su aplicación en sistemas de control industrial del mundo real.

**Buscamos compañeros de equipo que residan en España, Portugal o el Reino Unido.

• Diseñar, implementar y evaluar agentes de aprendizaje por refuerzo basados en modelos —incluyendo controladores basados en planificación (MPC, MPPI)— y los prototipos de software necesarios para desplegarlos en sistemas de control industrial reales.

• Desarrollar dinámicas aprendidas y modelos de mundo (sustitutos aprendidos) que se generalicen entre sistemas, incluyendo los procesos de entrenamiento —preentrenamiento, aprendizaje por currículo, aprendizaje activo/adversario y ajuste fino— necesarios para que sean fiables para la planificación y el control.

• Investigar e implementar métodos para, por ejemplo, RL seguro, control con restricciones, planificación de escenarios y RL bayesiano, con el fin de desarrollar agentes que cumplan con las restricciones de seguridad durante el despliegue.

• Informar y presentar los hallazgos y desarrollos de la investigación, incluyendo el estado y los resultados, de forma clara y eficiente tanto interna como externamente, de forma verbal y por escrito.

• Participar y organizar proyectos de investigación colaborativos ambiciosos, y trabajar con colaboradores y socios externos para traducir la investigación en resultados de producción.

• Mentorear y guiar a los Research Engineers para aplicar los hallazgos y desarrollos de la investigación a dominios industriales.

• Definir de forma independiente nuevas direcciones de investigación

• Traducir la investigación en resultados prácticos

• Responsabilizarse del desarrollo y la implementación de toda un área de investigación o de un proyecto de gran envergadura

• Python

• PyTorch, scipy

• Kubernetes, Docker, Ray

• GCP

Adoptamos un enfoque reflexivo e intencionado para la colaboración remota. Inspirados por pioneros como GitLab, aplicamos las mejores prácticas probadas para fomentar un entorno de trabajo remoto excepcional. Nuestra cultura se basa en la documentación primero, y priorizamos la comunicación asíncrona para favorecer la concentración y la flexibilidad en las distintas zonas horarias. Aunque valoramos la independencia, nos mantenemos estrechamente conectados a través de herramientas como Slack y videoconferencias. Las reuniones semanales de todo el equipo nos ayudan a alinearnos y a construir relaciones sólidas, y organizamos regularmente actividades virtuales de team-building y eventos sociales para mantener el sentido de camaradería.