Explorar por rol
Elige el rol al que te diriges.
Cada rol a continuación te abre a retos del mundo real basados en el trabajo que realmente hacen las personas en ese puesto. Resuélvelos, entrégalos y obtén un certificado verificado.
AI Research
Científico/a Aplicado/a de IA
Los científicos de IA aplicada viven en la tensión productiva entre los artículos de investigación y las hojas de ruta de producto. El trabajo consiste en reproducir un resultado de arxiv un martes, y decidir para el jueves si se puede adaptar a un problema que nadie más ha planteado aún. Los días combinan estudios de ablación, un diseño cuidadoso de evaluación y conversaciones con ingenieros sobre lo que es realista lanzar. Un buen trabajo aquí se parece a un experimento que refuta limpiamente tu hipótesis favorita y luego sugiere una mejor. Los estudiantes crecen en este rol al tratar PyTorch y Hugging Face Transformers como su banco de laboratorio y aprendiendo a redactar hallazgos como lo haría un científico — con suposiciones, limitaciones y un camino para que la siguiente persona amplíe el trabajo.
19 retos disponibles →AI Research
Investigador/a Científico/a
¿Qué aprende realmente un modelo, y podemos demostrarlo? Los científicos de investigación en laboratorios de IA pasan sus carreras refinando esa pregunta. El trabajo alterna entre largos períodos de lectura, estudios de ablación cuidadosos en PyTorch, y el momento poco común en que un benchmark se mueve y entiendes por qué. Los kernels de CUDA y las arquitecturas de modelos de difusión están en tu caja de herramientas, pero la verdadera moneda de cambio es el criterio: saber qué experimento vale una semana de cómputo y cuál es una distracción. Los estudiantes que prosperan aquí suelen venir de machine learning, física o matemáticas puras, y leen papers como los novelistas leen novelas. Espera un largo aprendizaje reproduciendo resultados de otros antes de que tus propias ideas ganen un lugar en un venue de primer nivel.
10 retos disponibles →AI Research
Investigador/a de Machine Learning
¿Y si la atención funcionara de otra manera? ¿Y si un modelo más pequeño, entrenado mejor, pudiera igualar a uno mucho más grande? Los investigadores de ML viven persiguiendo preguntas como estas. El rol existe para expandir los límites de lo que los modelos pueden lograr — mediante estudios de ablación cuidadosos, arquitecturas novedosas y la paciente rutina de ejecutar experimentos que a menudo refutan tu hipótesis favorita. Los días combinan la lectura de artículos recientes, el esbozo de ideas y la escritura de código en JAX o PyTorch que alguien más leerá en seis meses. Los estudiantes crecen en este camino reproduciendo resultados publicados antes de inventar los propios, y aprendiendo a redactar hallazgos con honestidad intelectual. Los mejores investigadores mantienen la curiosidad sobre por qué algo funcionó, no solo que funcionó.
47 retos disponibles →AI Research
Investigador/a de Seguridad en IA
Piensa en este rol como la oposición leal dentro de un laboratorio de IA. Mientras tus compañeros compiten por hacer que un modelo sea más capaz, los investigadores de seguridad en IA preguntan qué sucede cuando tiene éxito, pero en la dirección equivocada, por las razones equivocadas o en las manos equivocadas. El trabajo abarca desde red-teaming de prompts, diseñar métodos constitucionales que orienten los modelos hacia un comportamiento basado en principios, hasta traducir los hallazgos en barreras de protección que los equipos de producto puedan adoptar realmente. Un buen trabajo aquí es riguroso y humilde: admite lo que aún se desconoce en lugar de encubrirlo. Los estudiantes crecen en este camino combinando profundidad técnica en PyTorch con una lectura amplia en ética, políticas y seguridad. El campo recompensa a quienes pueden sostener ambas cosas a la vez.
34 retos disponibles →
¿Reclutando de este grupo?
Patrocina un reto y conoce candidatos a través de su trabajo real.
Los equipos de la industria pueden diseñar briefings en torno a las habilidades que buscan, y evaluar a los estudiantes por entregables puntuados con rúbrica — no por currículums.