AI Research Engineer - 100% Remote Worldwide

En Tether, no solo creamos productos, sino que somos pioneros en una revolución financiera global. Nuestras soluciones de vanguardia permiten a las empresas —desde exchanges y billeteras hasta procesadores de pago y cajeros automáticos— integrar tokens respaldados por reservas en diversas blockchains de manera fluida. Al aprovechar el poder de la tecnología blockchain, Tether te permite almacenar, enviar y recibir tokens digitales al instante, de forma segura y global, todo a una fracción del costo. La transparencia es la base de todo lo que hacemos, garantizando la confianza en cada transacción.

**Innová con Tether**

• **Tether Finance:** Nuestra innovadora suite de productos presenta la stablecoin más confiable del mundo, USDT, utilizada por cientos de millones en todo el mundo, junto con servicios pioneros de tokenización de activos digitales.
• **Tether Power:** Impulsando el crecimiento sostenible, nuestras soluciones energéticas optimizan el exceso de energía para la minería de Bitcoin utilizando prácticas ecológicas en instalaciones de última generación y geográficamente diversas.
• **Tether Data:** Impulsando avances en IA y tecnología peer-to-peer, reducimos los costos de infraestructura y mejoramos las comunicaciones globales con soluciones de vanguardia como KEET, nuestra aplicación insignia que redefine el intercambio seguro y privado de datos.
• **Tether Education:** Democratizando el acceso a la educación digital de primer nivel, empoderamos a las personas para que prosperen en las economías digitales y gig, impulsando el crecimiento y las oportunidades globales.
• **Tether Evolution:** En la intersección de la tecnología y el potencial humano, estamos expandiendo los límites de lo posible, creando un futuro donde la innovación y las capacidades humanas se fusionan de maneras poderosas y sin precedentes.

**¿Por qué unirte a nosotros?**

Nuestro equipo es una potencia de talento global, que trabaja de forma remota desde todos los rincones del mundo. Si te apasiona dejar tu huella en el espacio fintech, esta es tu oportunidad de colaborar con algunas de las mentes más brillantes, superando límites y estableciendo nuevos estándares. Hemos crecido rápido, nos hemos mantenido ágiles y hemos asegurado nuestro lugar como líderes en la industria. Si tenés excelentes habilidades de comunicación en inglés y estás listo para contribuir a la plataforma más innovadora del planeta, Tether es tu lugar.

¿Estás listo para ser parte del futuro?

**Sobre el puesto**

Como miembro de nuestro equipo de modelos de IA, impulsarás la innovación en arquitecturas de serving e inferencia de modelos para sistemas avanzados de IA. Tu trabajo se centrará en optimizar las estrategias de implementación e inferencia de modelos para ofrecer un rendimiento altamente receptivo, eficiente y escalable en aplicaciones del mundo real. Trabajarás en un amplio espectro de sistemas, desde modelos eficientes en recursos diseñados para entornos de hardware limitados hasta arquitecturas complejas y multimodales que integran datos como texto, imágenes y audio.

Esperamos que tengas una profunda experiencia en el diseño y la optimización de pipelines de serving de modelos y frameworks de inferencia, así como una sólida formación en arquitecturas de modelos avanzadas. Adoptarás un enfoque práctico y basado en la investigación para desarrollar, probar e implementar estrategias de serving y algoritmos de inferencia novedosos.

Tus responsabilidades incluyen la ingeniería de pipelines de inferencia robustos, el establecimiento de métricas de rendimiento integrales y la identificación y resolución de cuellos de botella en entornos de producción. El objetivo final es permitir un rendimiento de IA de alto rendimiento, baja latencia, baja huella de memoria y escalable que ofrezca un valor tangible en escenarios dinámicos del mundo real.

**Responsabilidades**

• Diseñar e implementar arquitecturas de serving de modelos de última generación que ofrezcan alto rendimiento y baja latencia, optimizando al mismo tiempo el uso de la memoria.
• Asegurar que estos pipelines se ejecuten de manera eficiente en diversos entornos, incluidos dispositivos con recursos limitados y plataformas edge.
• Establecer objetivos de rendimiento claros, como latencia reducida, respuesta de tokens mejorada y huella de memoria minimizada.
• Construir, ejecutar y monitorear pruebas de inferencia controladas tanto en entornos de producción simulados como en vivo.
• Rastrear indicadores clave de rendimiento (KPI) como latencia de respuesta, rendimiento, consumo de memoria y tasas de error, con especial atención a métricas específicas para dispositivos con recursos limitados.
• Documentar resultados iterativos y comparar resultados con benchmarks establecidos para validar el rendimiento en diferentes plataformas.
• Identificar y preparar conjuntos de datos de prueba de alta calidad y escenarios de simulación adaptados a los desafíos de implementación del mundo real, específicamente aquellos encontrados en dispositivos de bajos recursos.
• Establecer criterios medibles para garantizar que estos recursos evalúen eficazmente el rendimiento del modelo, la latencia y la utilización de la memoria en diversas condiciones operativas.
• Analizar la eficiencia computacional y diagnosticar cuellos de botella en el pipeline de serving monitoreando métricas de procesamiento y memoria.
• Abordar problemas como el procesamiento de lotes subóptimo, los retrasos de red y el alto uso de memoria para optimizar la infraestructura de serving en cuanto a escalabilidad y confiabilidad en sistemas con recursos limitados.
• Trabajar en estrecha colaboración con equipos multifuncionales para integrar frameworks de serving e inferencia optimizados en pipelines de producción diseñados para aplicaciones edge y en dispositivos.
• Definir métricas de éxito claras, como rendimiento mejorado en el mundo real, bajas tasas de error, escalabilidad robusta, uso óptimo de memoria, y asegurar el monitoreo continuo y los refinamientos iterativos para mejoras sostenidas.

**Requisitos**

• Un título en Ciencias de la Computación o un campo relacionado. Idealmente un doctorado en NLP, Machine Learning o un campo relacionado, complementado con un sólido historial en I+D de IA (con buenas publicaciones en conferencias A*).
• Debe tener conocimiento de Metal Shading Language (MSL).
• Debe sentirse cómodo escribiendo shaders de cómputo personalizados desde cero.
• Se requiere experiencia comprobada en optimizaciones de kernels de bajo nivel e inferencia en dispositivos móviles.
• Sus contribuciones deben haber llevado a mejoras medibles en la latencia de inferencia, el rendimiento y la huella de memoria para aplicaciones específicas del dominio, particularmente en dispositivos con recursos limitados y plataformas edge.
• Se requiere una comprensión profunda de las arquitecturas modernas de serving de modelos y las técnicas de optimización de inferencia. Esto incluye métodos de última generación para lograr un rendimiento de baja latencia y alto rendimiento, y una gestión eficiente de la memoria en escenarios de implementación diversos y con recursos limitados.
• Debe tener una sólida experiencia en la escritura de kernels de GPU para dispositivos móviles (es decir, teléfonos inteligentes), así como una profunda comprensión de los frameworks y motores de serving de modelos.
• Se requiere experiencia práctica en el desarrollo y la implementación de pipelines de inferencia de extremo a extremo, desde la optimización de modelos para un serving eficiente hasta la integración de estas soluciones en dispositivos con recursos limitados.
• Capacidad demostrada para aplicar investigación empírica para superar desafíos en el serving de modelos, como la optimización de latencia, cuellos de botella computacionales y limitaciones de memoria.
• Debe ser competente en el diseño de marcos de evaluación robustos y en la iteración de estrategias de optimización para superar continuamente los límites del rendimiento de inferencia y la eficiencia del sistema.
• Sistemas de Inferencia Distribuidos: Diseño y optimización de motores de inferencia de alto rendimiento utilizando técnicas como Tensor Parallelism, Pipeline Parallelism y Expert Parallelism para manejar modelos masivos en clústeres de GPU.
• Comprensión profunda de las matemáticas y la estructura detrás de Diffusion Models y Vision Transformers.
• Comprensión de Pruning, Quantization, Flash attention, KV Cache, Speculative Decoding (Eagle), etc.

**Información importante para candidatos**

Las estafas de reclutamiento se han vuelto cada vez más comunes. Para protegerte, tené en cuenta lo siguiente al postularte a puestos:

• Postulate solo a través de nuestros canales oficiales. No utilizamos plataformas ni agencias de terceros para reclutamiento, a menos que se indique claramente.
• Todos los puestos vacantes se publican en nuestra página oficial de carreras: https://tether.recruitee.com/
• Verificá la identidad del reclutador. Todos nuestros reclutadores tienen perfiles verificados en LinkedIn. Si tienes dudas, podés confirmar su identidad revisando su perfil o contactándonos a través de nuestro sitio web.
• Tené cuidado con los métodos de comunicación inusuales. No realizamos entrevistas por WhatsApp, Telegram o SMS. Toda la comunicación se realiza a través de correos electrónicos y plataformas oficiales de la empresa.
• Verificá las direcciones de correo electrónico. Toda comunicación de nuestra parte provendrá de correos electrónicos que terminen en @tether.to o @tether.io.
• Nunca solicitaremos pago ni detalles financieros. Si alguien te pide información financiera personal o un pago en cualquier momento del proceso de contratación, es una estafa. Por favor, informalo de inmediato.
• En caso de duda, no dudes en contactarnos a través de nuestro sitio web oficial.