Función: Entrenamiento de modelos de Deep Learning - Diseño de arquitecturas de Deep Learning para aprendizaje multimodal - Desarrollo de arquitecturas de Deep Learning para procesado de imagen- Empresa: UNIVERSIDAD POLITÉCNICA DE MADRID- Nº de Plazas: 1- Referencia: HRS2024-168- Publicada el 22/4/2024- Publicada hasta el 07/05/2024- Tipo de Contrato: Indefinido- Dedicación: Jornada completa- Remuneración Bruta (euros/año): 25000- Localidad: Madrid- Provincia: Madrid- Disponibilidad para viajar: Sin especificar- Fecha de Incorporación: 01/06/2024- Nível AcadémicoMaster- Titulación AcadémicaIngeniería Informática (Titulación Universitaria)- Áreas tecnológicasP-07 Informática- IdiomasIdioma: InglésNível Lectura: AltoNível Escrito: AltoNível Conversación: Alto- Otros- **TAREAS/TASKS**:- Entrenamiento de modelos de Deep Learning- Diseño de arquitecturas de Deep Learning para aprendizaje multimodal- Desarrollo de arquitecturas de Deep Learning para procesado de imagen**HABILIDADES-CUALIFICACIONES/SKILLS-QUALIFICATIONS**:- Altos conocimientos de programación en Python- Conocimientos de Machine Learning y Deep Learning- Máster en Ingeniería Informática/Inteligencia Artificial/Ciencia de datos o similar**REQUERIMIENTOS ESPECIFICOS/SPECIFIC REQUIREMENTS**:- Interés por la investigación en el terreno de la Inteligencia Artificial- Interés por realizar el doctorado en Inteligencia Artificial**BENEFICIOS/BENEFITS**:Posibilidad de teletrabajo parcial**CRITERIOS Y PROCESO DE SELECCION/ELIGIBILITY CRITERIA AND SELECTION PROCESS**:Se aplican las pautas establecidas en el proceso de selección del nuevo Reglamento para el proceso de selección ycontratación del personal investigador, personal técnico y personal gestor relacionado con la investigación de laUniversidad Politécnica de Madrid, aprobado en la UPM.- Fase 1: Adecuación a la posición en función del CV- Fase 2: Prueba técnica y presentación de la misma- Fase 3: Entrevista personal**COMENTARIOS ADICIONALES/ADDITIONAL COMMENTS**:Este contrato es parte del proyecto PLEC2021- 007681, financiado por MCIN/AEI/10.13039/501100011033 y por la Unión Europea-NextGenerationEU/PRTR