Trabaja con nosotros

 

Trabaja en proyectos desafiantes en un entorno internacional, innovador e interdisciplinario.

 

En Inria Chile:

• Promovemos el aprendizaje constante. Todo lo que hacemos es innovador y es porque tenemos un fuerte compromiso con la formación en tecnologías digitales. 

• Valoramos la diversidad y la inclusión. Apostamos por una cultura en la que todas las voces son escuchadas, respetadas y consideradas. 

• Promovemos la equidad de género e igualdad de oportunidades. Contamos con prácticas laborales con equidad y énfasis en la conciliación de la vida laboral, familiar y personal.

• Somos colaborativos y transparentes. Somos un equipo sólido, todos nos movemos con un propósito común. Nos apresuramos a animar nuestros éxitos, e incluso a compartir y resolver nuestros problemas conjuntamente.

• Hacemos hincapié en un equilibrio saludable entre vida y trabajo. Contamos con excelentes beneficios vacacionales y de salud.

• Nos preocupamos por construir y promover un ambiente laboral positivo, respetuoso y motivante, el que nace desde, para y con cada uno de nuestros colaboradores.

• 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