Junior
Entrena y evalúa modelos siguiendo arquitecturas y configuraciones ya probadas.
Deep Learning Specialist para tu equipo
Un especialista en deep learning que diseña, entrena y ajusta redes neuronales con PyTorch o TensorFlow cuando los modelos clásicos no alcanzan: imagen, señal, texto o series temporales.
Tecnologías y competencias habituales
- PyTorch
- TensorFlow
- Keras
- Redes Neuronales (CNN, RNN)
También lo buscarás como deep learning engineer, ingeniero de redes neuronales, especialista en PyTorch y investigador de deep learning.
Qué hace un especialista en deep learning
Resuelve problemas donde los modelos tradicionales se quedan cortos. Diseña arquitecturas con PyTorch, TensorFlow o Keras, entrena con GPU, ajusta hiperparámetros y regularización, aplica transferencia de aprendizaje y optimiza el modelo final para que se pueda desplegar con un coste razonable.
Cuándo necesitas uno
- Tienes datos de imagen, audio, señales o texto en cantidad y los modelos clásicos no rinden.
- Participas en un proyecto de I+D que exige una solución nueva, no una librería de catálogo.
- Tu modelo funciona en laboratorio, pero es demasiado grande o lento para correr donde lo necesitas.
Qué distingue a un buen especialista en deep learning
- Decide con criterio cuándo el deep learning aporta algo frente a un modelo más simple y barato.
- Domina PyTorch o TensorFlow, incluidos entrenamiento distribuido, mezcla de precisión y depuración de gradientes.
- Aprovecha modelos preentrenados y transferencia de aprendizaje en lugar de entrenar desde cero.
- Evalúa con rigor: separación correcta de datos, métricas adecuadas y análisis de errores por subgrupos.
- Optimiza para despliegue: cuantización, poda, exportación a ONNX y medición de latencia y coste.
Junior, middle o senior
Middle
Diseña un modelo para un problema nuevo, lo ajusta y lo valida de principio a fin.
Senior
Define el enfoque de investigación, guía a otros especialistas y decide entre construir, adaptar o comprar un modelo.
Dos formas de trabajar
On Demand
Se suma a tu equipo el tiempo que lo necesites.
Try & Hire
Trabaja contigo y, tras un tiempo, puedes incorporarlo a tu plantilla sin costes.
¿Necesitas un equipo entero? Mira los Agile Squads.
Preguntas frecuentes
¿Deep learning o machine learning clásico?
Para datos tabulares, como históricos de clientes o de ventas, los modelos clásicos suelen igualar o superar al deep learning con menos coste. El deep learning destaca con imágenes, audio, texto y señales complejas.
¿Hace falta mucha GPU?
Para entrenar modelos propios desde cero, sí. Pero con modelos preentrenados y ajuste, basta a menudo con una GPU modesta o con alquiler por horas. Un buen especialista dimensiona el cómputo antes de gastar.
¿Es lo mismo que un especialista en IA generativa?
Parcialmente. Los modelos de lenguaje son deep learning, pero su uso práctico (prompts, recuperación de documentos, agentes) es otra especialidad. Para eso mira el perfil de AI Engineer.
¿Puede participar en un proyecto de I+D con hitos?
Sí. Perfiles de este tipo han trabajado en proyectos de investigación europeos con hitos formales, donde hay que documentar experimentos y entregar resultados verificables.
¿Puedo incorporarlo después a mi plantilla?
Sí. Con la modalidad Try & Hire trabaja contigo y, tras un tiempo, puedes incorporarlo a tu plantilla sin costes.
¿Cómo se factura?
Pagas por el trabajo realmente efectivo: solo las horas trabajadas. La selección, las bajas, las vacaciones y las sustituciones corren de nuestra cuenta.
¿Trabaja en remoto o en nuestras oficinas?
Como lo necesite tu equipo: en remoto, en híbrido o presencial, en España.
Proyectos donde ya lo hemos hecho
Ver todos los casosIdener
Ingeniería e I+DInvestigadores de IA para cumplir los hitos de un proyecto europeo Horizon
100 % de los hitos europeos entregados en plazo
- On Demand
- Time to hire: 14 días
Diez proyectos a la vez, de la IA que predice fallos de red a las apps de campo
−65 % de incidencias de red con la predicción de fallos
- On Demand
- Time to hire: 14 días
Atelco
TelecomunicacionesTrece profesionales en cuatro frentes: IA predictiva, GIS, redes y DevOps
−93 % de tiempo por despliegue: de 6-8 horas a 30 minutos
- On Demand
- Time to hire: 14 días
Cómo llega un perfil a tu equipo
Vendemos calidad: preferimos presentarte a una persona que encaja antes que a cinco que no.
De cada 20 candidatos que evaluamos, te presentamos a uno.
Nos cuentas qué necesitas
El perfil, el nivel, las tecnologías y cómo trabaja tu equipo.
Validamos a la persona
Nuestro equipo técnico revisa su conocimiento real, también cómo trabaja con IA. De cada 20 candidatos, pasa uno.
Te la presentamos
Conoces a la persona antes de decidir. El 93 % de nuestros clientes contrata a la primera que le presentamos.
Empieza en tu equipo
Pagas solo las horas trabajadas. De la selección, las bajas, las vacaciones y las sustituciones nos ocupamos nosotros.
Suele trabajar con
Ver los 16 perfiles de datos y big dataMachine Learning Engineer
- MLflow
- Kubeflow
- AWS SageMaker
- Azure ML
Computer Vision Specialist
- OpenCV
- YOLO
- Procesamiento de imágenes
- Reconocimiento facial
Data Scientist
- Python
- R
- Pandas
- Scikit-learn
Procesamiento de Lenguaje Natural (NLP)
- NLTK
- SpaCy
- Hugging Face
- Transformers
CDO (Chief Data Officer)
- Estrategia del dato
- Data Governance
- Data Quality
Analytics Engineer
- dbt
- SQL
- Snowflake / BigQuery / Databricks
- Airflow
Data Governance / Data Steward
- Collibra
- Purview
- Catálogo de datos
- Calidad de datos
Data Platform Engineer
- Databricks
- Snowflake
- Lakehouse
- Delta Lake