Work with us

 

Join us and work on challenging projects in an international, innovative, and interdisciplinary environment. 

 

At Inria Chile:

• We promote constant learning. Everything we do is innovative and it is because we have a strong commitment to training in digital technologies.

• We value diversity and inclusion. We are committed to a culture in which all voices are heard, respected, and considered.

• We promote gender equity and equal opportunities. We have working practices with equity and emphasis on the reconciliation of work, family, and personal life.

• We are collaborative and transparent. We are a strong team; we all move with a common purpose. We are quick to encourage our successes, and even to share and solve our problems together.

• We emphasize a healthy balance between life and work. We have an excellent vacation and health benefits.

• We care about building and promoting a positive, respectful, and motivating work environment for each of our collaborators.

• Mejora del repositorio de creación de modelos de visión por computadora para la clasificación de imágenes de plancton

• Modelos multi-modales (metadata-imagen) para la clasificación de imágenes de plancton

• Aplicación de LLMs pre-entrenados con genomas para descifrar el rol del microbioma marino en la captura de carbono en el contexto del cambio climático

• Aplicación de LLMs pre-entrenados con proteomas para dilucidar el rol del microbioma marino en la captura de carbono en el contexto del cambio climático

• Plantilla de plataformas de visualización de colaboraciones

• Desarrollando un Traductor Español-Mapudungun

• Modelos "out-of-distribution" de visión por computadora para clasificar imágenes de plancton

• Control Autónomo de un Velero Robótico Usando Reinforcement Learning 

• Machine learning en astronomía: Desarrollo de un Modelo de Machine Learning para el Cálculo de Opacidad y Presión Radiativa en Atmósferas Estelares

• Optimización y Análisis de Rendimiento de Modelos de Inteligencia Artificial mediante el Uso de Profilers 

• Uso de imágenes satelitales Sentinel 2 para modelos de ML orientados a agricultura de precisión

• Modelando Ecuaciones de Navier-Stokes Usando Deep Learning basado en la física

• Estudio de métodos de cuantificación de incertidumbre para simular EDPs usando deep learning

• Desarrollo de modelos de visión computacional para la detección del estado de maduración de la vid