🎁 Antes de postularte, practica esta entrevista. Crea tu cuenta gratis en WorkMundi y recibe un Entrenamiento de Entrevista en HelpsYouSpeak — sin costo, sin tarjeta. Quiero mi entrenamiento →
Principales funciones Diseñar e implementar las funciones de procesamiento del lenguaje natural (NLP) que permiten a los sistemas cognitivos comprender, interpretar y procesar el conocimiento empresarial en lenguaje humano, para lograr funciones de NLP operativas en producción que permiten a los sistemas cognitivos interpretar consultas, documentos y datos en lenguaje natural con precisión y consistencia. Construir y mantener los modelos de representación semántica y vectorial del conocimiento, embeddings, índices semánticos, grafos de conocimiento, que permiten la recuperación precisa de información relevante, para lograr modelos semánticos actualizados y operativos que garantizan la recuperación precisa del conocimiento empresarial, reduciendo la ambigüedad y mejorando la relevancia de las respuestas de los sistemas. Implementar las funciones de razonamiento y síntesis cognitiva que permiten a los sistemas no solo recuperar información sino generar respuestas coherentes, contextualizadas y accionables para el negocio, para lograr funciones de razonamiento operativas que elevan la calidad de las respuestas cognitivas del área, pasando de la recuperación simple de datos a la generación de inteligencia accionable. Desarrollar y mantener los pipelines de procesamiento cognitivo, ingesta, transformación, enriquecimiento semántico y almacenamiento vectorial del conocimiento, que alimentan los sistemas en producción, para lograr pipelines de procesamiento cognitivo estables y eficientes que garantizan que el conocimiento empresarial esté correctamente representado, actualizado y disponible para los sistemas en producción. Evaluar y adaptar modelos de lenguaje y técnicas de procesamiento semántico según la evolución del estado del arte, asegurando que las funciones cognitivas del área se mantengan en la frontera tecnológica, para lograr sistemas cognitivos actualizados con las mejores técnicas disponibles, con evaluaciones documentadas que justifican las decisiones de adopción tecnológica. Implementar prácticas de evaluación, prueba y monitoreo de los modelos cognitivos en producción, midiendo su precisión, coherencia y rendimiento de forma continua, para lograr modelos cognitivos en producción con métricas de calidad monitoreadas continuamente, que permiten detectar degradación y mantener los estándares de precisión definidos. Documentar las arquitecturas cognitivas implementadas, los modelos utilizados, los criterios de evaluación y los procedimientos de actualización para garantizar la continuidad técnica del área, para lograr documentación técnica actualizada de los sistemas cognitivos que permite la continuidad operativa y facilita la evolución de los modelos por cualquier integrante del equipo. Colaborar con el Trainer Cognitive System en su formación práctica en procesamiento del lenguaje, modelos semánticos y funciones de razonamiento, transfiriendo conocimiento técnico de forma estructurada, para lograr trainer con comprensión creciente de los fundamentos cognitivos del área y capacidad de contribuir a tareas de procesamiento y evaluación de modelos bajo supervisión. Requisitos Título profesional en Ciencias de la Computación, Ingeniería de Sistemas, Lingüística Computacional, Inteligencia Artificial o carreras afines. Experiencia de 1 a 2 años en Procesamiento de Lenguaje Natural (NLP), sistemas cognitivos o ciencia de datos aplicada al lenguaje. Se considerarán candidatos con menor experiencia laboral que demuestren sólidos fundamentos técnicos mediante proyectos relevantes, investigaciones o competencias. Experiencia en la implementación de soluciones de NLP, modelos de representación semántica o funciones cognitivas. Se valorará la participación en proyectos académicos, prácticas profesionales o competencias que evidencien dominio del procesamiento del lenguaje y la representación del conocimiento. Sólidos conocimientos en Procesamiento de Lenguaje Natural (NLP), modelos de representación semántica y vectorial, sistemas de recuperación de información y razonamiento computacional. Conocimiento en embeddings, índices semánticos, técnicas de comprensión del lenguaje y representación del conocimiento, como base para el desarrollo de soluciones cognitivas, independientemente de la tecnología utilizada. Inglés avanzado. Excel avanzado. Somos la principal empresa productora y comercializadora de Clinker y Cemento del Perú. Por más de 100 años hemos contribuido al desarrollo de la infraestructura del país, suministrando cemento de gran calidad a través de nuestras marcas Cemento Andino, Cemento Sol y Cemento APU. Nuestras operaciones se realizan en armonía con el medio ambiente y las comunidades aledañas.
Here's how to pick the right one and stand out in your application.
144.883Jobs
31.687IN
81%EN
That number is real. WorkMundi's database shows 144,883 open engineer roles across the world. India has the most with 31,687 jobs, followed by the United States with 30,084. If you just finished reading one job ad and felt paralyzed by choice, you're not alone—but this scale is actually an advantage. It means you can afford to be selective.
Start by geography and language. The majority of engineer ads—117,837 of them—have the job posting text written in English. Use that as one filter, but remember: the ad text language tells you nothing about whether the role actually requires you to speak English day-to-day. Read the job description carefully. Then check which countries have the volume you're targeting. Singapore, Poland, and Australia round out the top five after India and the US.
Next, learn who's hiring. Accenture has posted 2,801 engineer roles. andurilindustries, speechify, and jobgether are also actively recruiting. If you're applying to one of these names, research their hiring patterns and interview style before you apply. That homework pays off.
When you interview, expect the question every engineer hears: 'Tell me about a time you had to debug a problem that wasn't in your job description.' Have a specific story ready—not a general one. Name the tools, the deadline pressure, and what you learned. Hiring managers listen for whether you see problem-solving as part of the role itself, not a favour.