Gen es una empresa global de tecnología para consumidores que opera en los ámbitos de la ciberseguridad, la privacidad digital, la protección de la identidad y el bienestar financiero. A través de marcas como Norton, Avast, LifeLock y MoneyLion, ayuda a las personas a proteger sus dispositivos, identidades, información personal y finanzas. Sus productos incluyen detección de amenazas, respuesta ante filtraciones de datos, herramientas de privacidad en línea, funciones bancarias y servicios financieros integrados mediante Engine. Gen también invierte en seguridad basada en inteligencia artificial y en su Gen AI Foundry, centrada en generar confianza en las aplicaciones emergentes de IA. La empresa presta servicio a casi 500 millones de usuarios en más de 150 países y cuenta con sedes centrales duales en Praga y Tempe.
Director sénior de Investigación de IA Aplicada - Praga híbrido
Liderar la investigación de IA aplicada en Gen sobre modelos de lenguaje, aprendizaje por refuerzo, visión por computadora y métodos relacionados para productos de ciberseguridad. Gestionar ingenieros de investigación y llevar los modelos de la experimentación a la producción a escala global.
Descripción
- Liderar iniciativas prácticas de IA aplicada que abarquen modelos de lenguaje pequeños, aprendizaje por refuerzo, IA agéntica, visión por computadora y aprendizaje automático clásico
- Ser responsable de las decisiones de arquitectura, modelado y puesta en producción
- Gestionar, orientar y desarrollar un equipo de 3 a 5 ingenieros de investigación mediante contratación, gestión del desempeño, desarrollo profesional y mentoría técnica
- Mantener al equipo alineado, sin bloqueos y centrado en resultados medibles
- Crear prototipos de nuevos enfoques, perfeccionar diseños de modelos y apoyar la depuración de ejecuciones de entrenamiento en clústeres de GPU
- Definir y mantener estándares de calidad de investigación e ingeniería
- Supervisar el ciclo de vida de la IA aplicada, desde la definición del problema y la estrategia de datos hasta el entrenamiento, ajuste fino, evaluación, implementación, observabilidad y mejora continua
- Impulsar la entrega de modelos en producción y colaborar con los equipos de Plataforma, MLOps e Ingeniería de Producto
- Convertir las prioridades empresariales y de seguridad en una hoja de ruta de IA aplicada con una secuenciación clara
- Explicar las compensaciones a los líderes sénior e informar sobre la entrega, el rendimiento de los modelos y el impacto
- Crear prácticas de equipo en torno al seguimiento de experimentos, la evaluación de modelos, la reproducibilidad, la revisión de código y la IA responsable
- Participar en entrevistas con el responsable de contratación, el Laboratorio de Investigación de IA, Producto, las partes interesadas y el equipo directivo
Requisitos
- Máster o doctorado en Informática, Aprendizaje Automático, Matemáticas o una disciplina cuantitativa relacionada, o experiencia práctica equivalente que demuestre conocimientos profundos de aprendizaje profundo
- Al menos 5 años de experiencia práctica creando e implementando sistemas de aprendizaje automático y aprendizaje profundo en producción
- Entre 2 y 3 años o más liderando o gestionando un equipo pequeño de ingenieros de aprendizaje automático o investigación, incluida la dirección técnica, la entrega, la contratación y el desarrollo de personas en varios ámbitos de IA aplicada
- Experiencia práctica profunda en varias áreas de IA aplicada, incluidos modelos de lenguaje pequeños basados en transformadores, aprendizaje por refuerzo como las variantes PPO, DQN y Actor-Critic, sistemas agénticos o de LLM con uso de herramientas, visión por computadora o aprendizaje automático clásico
- Capacidad para asociar cada problema con un enfoque técnico adecuado
- Dominio experto de Python y PyTorch; la experiencia con JAX o TensorFlow es una ventaja
- Experiencia entrenando y ajustando modelos en clústeres de múltiples GPU con DeepSpeed, FSDP o Hugging Face Accelerate
- Sólida base en álgebra lineal, optimización, probabilidad y estadística
- Capacidad para interpretar, evaluar e implementar métodos de artículos de investigación recientes
- Experiencia demostrada llevando modelos de IA a producción, incluidos canalizaciones de datos, marcos de evaluación, cuantización o compresión, optimización de inferencia, contenedores, Kubernetes, plataformas en la nube y monitorización posterior a la implementación
- Experiencia con herramientas de MLOps y gestión de experimentos como Weights & Biases, MLflow o plataformas comparables
- Experiencia con CI/CD, revisión de código y prácticas de observabilidad
- Capacidad para liderar un equipo técnico pequeño estableciendo la dirección, realizando reuniones individuales, proporcionando comentarios, contratando ingenieros y convirtiendo problemas empresariales ambiguos en sistemas de IA implementables
- Inglés fluido
- Enfoque de liderazgo técnico práctico y disposición para mantenerse cerca del código, los modelos y los sistemas de producción
- Mentalidad de líder que también contribuye técnicamente
- Gran enfoque en entregar, implementar y medir modelos en producción
- Buen criterio al evaluar oportunidades de IA aplicada
- Habilidades claras de comunicación para convertir conceptos complejos de aprendizaje automático en decisiones y compensaciones
- Capacidad para trabajar eficazmente en un entorno tecnológico de ritmo rápido, ambiguo y avanzado, gestionando desafíos complejos entre distintas funciones
- Se valoran publicaciones en los principales congresos de aprendizaje automático, experiencia en ciberseguridad, privacidad o identidad, y conocimientos de JAX o TensorFlow
Beneficios
- Modalidades de trabajo flexibles
- Tiempo libre remunerado
- Compensación competitiva
- Beneficios para empleados
- Programas de bienestar
- Apoyo, recursos y herramientas para lograr un sólido desempeño y desarrollo profesional