Resumen del Rol Perfil con experiencia en representación semántica de texto y recuperación de información basada en similitud. Este rol está orientado a diseñar, evaluar y mejorar modelos de embeddings para distintos tipos de documentos. Responsabilidades Investigar y aplicar modelos de representación vectorial (word/sentence embeddings). Desarrollar métricas y estrategias de búsqueda y comparación semántica. Diseñar experimentos para validar la precisión de recuperación. Apoyar en la integración de modelos con aplicaciones existentes.RequisitosRequisitos Experiencia práctica en procesamiento de lenguaje natural (NLP). Manejo de bibliotecas como sentence-transformers, scikit-learn, numpy. Conocimientos en técnicas de recuperación de información (IR) y reducción de dimensionalidad. Capacidad para trabajar con estructuras JSON y grandes volúmenes de texto. Deseables Conocimientos de motores de búsqueda vectorial como FAISS o pgvector. Experiencia previa en proyectos de matching semántico o clasificación de documentos. Familiaridad con visualización de embeddings (PCA, UMAP).BeneficiosDesarrollo profesional Ambiente de trabajo innovador Compensación competitiva Descuentos en educación de cuarto nivel Beneficios salariales y bonificaciones Actualizacion con tecnologías actuales
