Matemáticos, físicos, ingenieros y autodidactas conforman un equipo de investigación y desarrollo de programas de machine learning y su aplicación a la inteligencia artificial.
Construcción de talento
Los especialistas en recursos humanos sostienen que saber armar equipos es clave para el desarrollo de cualquier emprendimiento y en este tipo de empresas que se dedica a la investigación resulta necesario saber armar bien los engranajes. “Tenemos una gran diversidad de personas en nuestra oficina de Buenos Aires: desde científicos, matemáticos, egresados en ciencias de la computación, pasando por ingenieros, físicos e incluso autodidactas”, se entusiasma Pablo Wilner, operations specialist.
Según Wilner, el equipo cuenta con personas que vienen de trabajos muy diversos, emprendedores con proyectos personales, otros provenientes de grandes empresas, de consultoras, de startups e investigadores del Conicet. “Una gran proporción de la comunidad tecnológica se ha acercado para sumarse al equipo”, confía.
“Estamos distribuidos en nuestras oficinas de New York, San Francisco y Buenos Aires, el trabajo y los equipos son ´un todo´ donde la ubicación geográfica no es nada más que un detalle, estamos preparados para trabajar codo a codo entre los equipos distribuidos”, añade Tagle sobre el trabajo en equipo. Según los ejecutivos este tipo de trabajo les permite a los profesionales desarrollarse y aprender en conjunto.
El equipo
En el mismo equipo coindicen un autodidacta con el mejor promedio de ingeniería, investigadores del Conicet con matemáticos con credenciales internacionales.
Rodrigo Martin, actual director de QA, es autodidacta y desde chico sabía que quería trabajar en tecnología. Viene de manejar un equipo local y global de Testers para la Banca de Inversiones mayorista de JP Morgan. “Nuestro trabajo se basa en la colaboración con otras áreas, como los desarrolladores o los project managers”, asegura sobre el trabajo con testers.
“Venir de distintas disciplinas permite atacar problemas con distintos enfoques que se complementan”, sostiene Iván Itzcovich, machine learning engineer que fue el mejor promedio de su camada de Ingeniería Informática en el ITBA. Trabajó en Microsoft, volvió al país para poder trabajar en machine learning. Sobre su labor diaria enfatiza que pasa gran parte del día en reuniones digitales profesionales que se encuentran en el exterior.
En línea con Itzcovich, Tomás González -ingeniero en electrónica- dice que “en la industria el trabajo en equipo es un default por eso se valora un par de ojos extra validando el trabajo de uno”. Tomás antes de recalar en este equipo colaboró con varios dominios, startups de publicidad, una pyme de electromedicina, la CONEA y una consultora de software.
Antonella Schiavoni, ingeniera informática, confiesa que siempre soñó con “poder trabajar como machine learning engineer por los desafíos que plantea y los problemas que intenta resolver”. Su jornada se divide en crear modelos de ML para clientes y mantener reuniones con el equipo de Nueva York. “Comentamos el estado del equipo y debatimos mejoras o ideas de ingeniería”, completa.
El matemático Julián Eisenschlos fue ganador de las olimpiadas de matemática, trabajó en Facebook EE.UU. y volvió para fundar su empresa de bots. Hoy es un miembro clave del equipo de investigación. “Originalmente pensaba quedarme en el mundo académico, pero la posibilidad aplicaciones prácticas en la industria de IT son apasionantes”, describe sobre su labor.
Otro matemático es Axel Sirota, que también pensaba que su futuro iba ser la academia pero resalta su actual posición. Sobre su labor como manager de Machine Learning Technologies, indica: “Debo trabajar a diario con gente no técnica o mismo gente técnica de otra área, pero lo más importante es la colaboración y el feedback para poder entendernos a pesar de hablar lenguajes “ligeramente distintos” y llegar a un acuerdo”.
Fuente: ambito
