Líder de Machine Learning

• Titulación técnica y una trayectoria real en ingeniería de ML: tú mismo has entrenado y lanzado modelos, no solo has gestionado a personas que lo hacen.
• Experiencia liderando un equipo de 3 a 5 ingenieros de ML, incluyendo decisiones de contratación y de rendimiento.
• Python a nivel experto, comprensión sólida de la arquitectura transformer y del comportamiento moderno de los LLM, experiencia práctica en entrenamiento, fine-tuning y evaluación.
• Experiencia en producción con sistemas LLM: APIs, streaming, batching, fallbacks, compensaciones entre coste/latencia, observabilidad sobre trazas y transcripciones.
• Capacidad para leer investigaciones recientes y convertirlas en un prototipo, una evaluación y un cambio implementado con impacto medible.

Valorable: experiencia más allá del texto (visión artificial, generación de imágenes, multimodal), conversaciones de larga duración y consistencia de personajes, vLLM / TGI / SGLang, DeepSpeed / FSDP / Accelerate, cuantización, clasificadores de seguridad.

• Ruso fluido, con disponibilidad para trabajar en el horario CET (±2) horas.

• OPORTUNIDAD REMOTA para trabajar a tiempo completo;
• El nivel salarial inicial o el rango salarial para este puesto se comunicará a los candidatos durante el proceso de selección y antes del inicio del empleo;
• Vacaciones 28 días naturales por año;
• 7 días de bienestar al año (tiempo libre) que pueden utilizarse para atender asuntos domésticos, descansar y recuperarse sin necesidad de pedir una baja por enfermedad;
• Bonificaciones de hasta 5000 $ por recomendar candidatos seleccionados para puestos en la empresa;
• 50% de pago para formación profesional, conferencias internacionales y reuniones;
• Descuento corporativo para clases de inglés;
• Beneficios de salud. Según las nóminas, si no eres elegible para el seguro médico corporativo, la empresa te compensará con hasta 1.000 $ brutos al año por empleado. Esto puede destinarse a la compra propia de un seguro de salud o al pago de honorarios médicos para ti y tus familiares directos (cónyuge, hijos);
• Organización del lugar de trabajo. La empresa proporciona a todos los empleados un lugar de trabajo equipado y todo el material necesario (mesa, sillón, wifi, etc.) en nuestras oficinas o ubicaciones de co-working. En otras ubicaciones, la empresa reembolsa los costes del lugar de trabajo hasta 1.000 $ brutos una vez cada 3 años, según las nóminas. Este dinero puede utilizarse para el alquiler de una sala de co-working o para equipar el lugar de trabajo en casa (escritorio, silla, Internet, etc.) durante esos 3 años;
• Sistema interno de gratitud gamificado: recibe bonificaciones de tus compañeros e intercámbialas por nuestro merchandising, actividades de team building, certificados de masaje, etc.

¿Te suena bien? ¡Únete a nosotros ahora!

Social Discovery Group (SDG) es un grupo de empresas de descubrimiento social. SDG resuelve los problemas de la soledad, el aislamiento y la desconexión, transformando la intimidad virtual en la nueva normalidad. Los productos de SDG redefinen la forma en que las personas interactúan y conectan entre sí.

Nuestra cartera incluye plataformas de entretenimiento social diseñadas para conectar a personas online a través de diferentes culturas y regiones del mundo.

Reunimos a un equipo de personas con ideas afines y profesionales de la informática especializados en la creación y el desarrollo de productos de descubrimiento social con impacto global. Nuestro equipo internacional de nómadas digitales trabaja de forma remota desde todo el mundo.

Estamos orgullosos de haber sido galardonados en dos ocasiones como "Great Place to Work" (EE. UU. y Japón, 2024-2025) y de ser una de las 5 mejores empresas para trabajos de "trabajo desde cualquier lugar" (FlexJobs, 2025).

Estamos buscando un Machine Learning Lead.

• Liderar la estrategia de ML para sistemas de diálogo: decidir qué construir y en qué orden, y vincular esas apuestas con las métricas de negocio (ARPU, retención, profundidad del chat).
• Dirigir un equipo de 3 ingenieros de ML: establecer el estándar técnico, distribuir el trabajo, contratar y despedir, y hacer crecer a las personas que se queden.
• Impulsar el post-entrenamiento de LLM y la adaptación de modelos de extremo a extremo: SFT, LoRA/QLoRA, optimización de preferencias (DPO / ORPO / SimPO / GRPO), construcción de datasets.
• Diseñar entornos para agentes y sistemas de LLM con uso de herramientas: tool calling, salidas estructuradas, enrutamiento, reintentos, memoria y contexto, guardrails.
• Construir la capa de evaluación: evaluaciones offline y por pares, LLM-as-a-judge, suites de regresión que realmente correlacionen con los resultados de los tests A/B.
• Eliminar modos de fallo en el diálogo (bucles, contradicciones, deriva de la personalidad, pérdida de contexto, respuestas genéricas) y mantener una inferencia eficiente en cuanto a latencia y coste por mensaje.
• Mantenerse involucrado en la parte técnica donde sea necesario (aproximadamente un 10-20% de tu tiempo): prototipos, depuración de trazas de agentes, revisión del trabajo de tu equipo.