Lisit creamos, desarrollamos e implementamos servicios de software con foco constante en innovación y pasión por los desafíos. En este rol, trabajamos en la automatización y optimización de procesos mediante soluciones de NLP en español con impacto directo en la eficacia operativa de nuestros clientes. La misión del proyecto es construir y hacer evolucionar un pipeline reproducible a partir de

1,8 millones de pares históricos, transformándolo en un dataset de entrenamiento, entrenar y evaluar un modelo NER en español, calibrar el score de confianza y habilitar la transferencia del conocimiento y la solución al cliente para su adopción sostenida.

Apply from getonbrd.com.
Misión

Misión: construir el corpus de entrenamiento a partir de 1,8 millones de pares históricos; hacer fine-tuning de un modelo NER en español; calibrar el score de confianza; y dejar el pipeline reproducible y traspasable al cliente.
- Construir el dataset de entrenamiento sin etiquetado manual masivo (etiquetado programático / weak supervision).




- Realizar tokenización y normalización de texto para NLP en español.
- Entrenar y ajustar un modelo para NER en español (idealmente BERT en español, como BETO u otro BERT en español) con Transformers / Hugging Face.
- Gestionar errores ortográficos y robustez del preprocesamiento.
- Evaluar rigurosamente el desempeño con precision/recall/F1 usando conjuntos held-out y control de fuga de datos.
- Calibrar probabilidades para que el umbral de confianza sea interpretable (score calibrado con métodos como Platt o isotónica).
- Garantizar reproducibilidad: documentación del pipeline, trazabilidad de experimentos y empaquetado para que el cliente pueda replicarlo y operarlo.
Requisitos excluyentes

Excluyente
- Python sólido (pandas, scikit-learn) y experiencia real llevando un modelo a producción en NLP en español.
- Experiencia con tokenización, normalización de texto y manejo de errores ortográficos.
- Experiencia con Transformers / Hugging Face para fine

📌 Ingeniero ML (Santiago)
🏢 Lisit
📍 Santiago