Acerca de Quizlet:
La misión de Quizlet es ayudar a cada estudiante a alcanzar sus metas de una manera eficaz y agradable. Nuestra plataforma de aprendizaje, valorada en más de 1 mil millones de dólares, da soporte cada mes a decenas de millones de estudiantes —incluidos dos tercios de los alumnos de secundaria en EE. UU. y la mitad de los universitarios— generando más de 2 mil millones de interacciones de estudio mensuales.
Combinamos ciencia cognitiva y aprendizaje automático para personalizar y mejorar el aprendizaje de estudiantes, profesionales y personas de todas las edades. Estamos entusiasmados por ampliar nuestro impacto a través de múltiples métodos y herramientas.

Construyamos el futuro del aprendizaje
Únete a nosotros para crear y lanzar herramientas de aprendizaje impulsadas por IA que escalen a nivel global y ayuden a liberar el potencial humano.

Acerca del equipo:
El equipo de Ingeniería de ML de Personalización y Recomendaciones desarrolla la inteligencia que conecta a los estudiantes con el contenido, actividades y experiencias más relevantes para sus objetivos. Damos soporte a sistemas de recomendación y búsqueda en toda la plataforma, desde sugerencias en la página de inicio hasta funciones de estudio adaptativo.
Nuestra misión es hacer que Quizlet se sienta personalizado para cada estudiante mediante machine learning avanzado, sistemas escalables e insights de ciencia del aprendizaje. Colaborarás con Product Managers, Data Scientists, ingenieros de plataforma y especialistas en ML para ofrecer trayectorias personalizadas que impulsen la participación, la satisfacción y los resultados de aprendizaje.

Acerca del puesto:
Como líder técnico sénior en el equipo de Personalización y Recomendaciones, darás forma a la arquitectura de sistemas avanzados de personalización y guiarás la visión estratégica detrás de las experiencias impulsadas por IA de Quizlet. Mentorizarás a tus colegas e influirás en decisiones clave en toda la compañía.
Diseñarás y desplegarás sistemas de recuperación, ranking y recomendación a gran escala que influyen directamente en cómo los estudiantes interactúan con Quizlet. Aplicarás métodos modernos de recomendación —desde recuperación basada en deep learning y embeddings hasta ranking multitarea y aprendizaje por refuerzo— para elevar nuestra plataforma de personalización.
Ayudarás a construir sistemas que aprendan de miles de millones de interacciones respetando la privacidad, la equidad y la integridad.
Este es un puesto presencial en nuestra oficina de San Francisco. Para apoyar la colaboración, se espera que los empleados estén en la oficina al menos tres días a la semana: lunes, miércoles y jueves, además de otros días según sea necesario.

En este rol, tú:
• Definirás junto con líderes sénior la estrategia técnica a largo plazo para personalización y recomendaciones en toda la plataforma
• Explicarás modelos complejos de manera clara a audiencias técnicas y no técnicas, tomando decisiones basadas en datos
• Diseñarás e implementarás modelos de personalización a gran escala en etapas de recuperación, ranking y post-ranking, usando embeddings, señales contextuales y atributos de contenido
• Construirás sistemas de recuperación y serving escalables con arquitecturas modernas como modelos de dos torres, métodos de ranking profundo y búsqueda vectorial ANN para personalización en tiempo real
• Liderarás pipelines de entrenamiento, evaluación y despliegue, garantizando coherencia, fiabilidad y monitoreo sólido
• Traducirás objetivos de aprendizaje (engagement, retención, dominio) en metas de modelado y marcos experimentales en colaboración con Producto y Data Science
• Mejorarás métodos de evaluación afinando métricas offline (NDCG, CTR, calibración) y fortaleciendo estrategias de experimentación A/B
• Colaborarás con equipos de infraestructura para optimizar entrenamiento distribuido, latencia de inferencia y eficiencia de costos
• Te mantendrás al día con avances en investigación de personalización y recomendaciones e incorporarás hallazgos relevantes de conferencias líderes
• Mentorizarás a ingenieros y científicos aplicados, promoviendo excelencia técnica, reproducibilidad y prácticas responsables de IA
• Fomentarás una cultura de equipo colaborativa e inclusiva y asegurarás que los sistemas de personalización sirvan a los estudiantes de manera justa y eficaz

Lo que aportas:
• Más de 12 años de experiencia en ML aplicado o ingeniería intensiva en ML, con profundo conocimiento de personalización, ranking o sistemas de recomendación
• Capacidad demostrada para guiar estrategia técnica entre equipos equilibrando objetivos a largo plazo y necesidades inmediatas
• Excelentes habilidades de comunicación para transmitir ideas complejas a audiencias diversas
• Liderazgo basado en influencia y habilidad para alinear equipos en torno a objetivos compartidos y medibles
• Experiencia mentorando a ingenieros sénior y científicos aplicados, impulsando iniciativas técnicas interequipos
• Historial de mejora de métricas clave online (CTR, retención, engagement) mediante sistemas de recomendación o búsqueda en producción
• Sólido entendimiento de arquitecturas modernas de recuperación y ranking (Two-Tower, deep cross networks, GNNs, MMoE, Transformers) y pipelines de recomendación multietapa
• Experiencia práctica con Python, PyTorch, ingeniería de características, entrenamiento distribuido en GPU, inferencia y herramientas de MLOps
• Dominio de modelos de embeddings a gran escala y sistemas de búsqueda vectorial (FAISS, ScaNN, etc.)
• Fuertes habilidades en experimentación, conectando métricas offline (AUC, NDCG, calibración) con resultados online
• Compromiso con la colaboración, inclusión, el debate constructivo y la responsabilidad compartida

Puntos adicionales:
• Publicaciones o trabajo open-source en RecSys, búsqueda o ranking
• Experiencia con aprendizaje por refuerzo o bandits contextuales para recomendaciones
• Trabajo con enfoques híbridos que combinan filtrado colaborativo, comprensión de contenido y razonamiento con LLM
• Experiencia en personalización a escala en productos de consumo o EdTech

Compensación, beneficios y ventajas:
• Quizlet es un empleador que ofrece igualdad de oportunidades y está comprometido con un entorno inclusivo. Nuestra compensación total es competitiva e incluye salario base de 242 240 – 344 000 USD (según ubicación y experiencia) más opciones sobre acciones
• Equilibrio saludable entre trabajo y vida personal
• 20 días de vacaciones
• Cobertura médica, dental y de visión competitiva
• 401k con aportación de la empresa
• Acceso a LinkedIn Learning y otros recursos de crecimiento
• Licencia familiar pagada, FSA, HSA, beneficios de transporte y bienestar
• 40 horas anuales de voluntariado remunerado

¿Por qué unirte a Quizlet?
• Gran impacto: más de 60 millones de usuarios y más de 1 000 millones de interacciones semanales
• Tecnología de vanguardia: IA generativa, aprendizaje adaptativo, ciencia cognitiva
• Fuerte impulso: grandes inversionistas, crecimiento sostenible y verdadera tracción
• Propósito claro: trabajo que mejora la vida de las personas
• Cultura inclusiva: valoramos la equidad, la diversidad y el sentido de pertenencia

Nuestro proceso de entrevistas busca que cada candidato se sienta bienvenido y respetado. Queremos ofrecer transparencia y una visión honesta de quiénes somos.

Para terminar:
Nos entusiasman las personas apasionadas y curiosas, incluso si no cumplen con todos los requisitos. Valoramos las perspectivas diversas y creemos que todos tienen algo importante que aportar. Nuestra cultura enfatiza la iniciativa, el aprendizaje ante los desafíos, la calidad y la colaboración de mente abierta. Fomentamos la comunicación respetuosa y un ambiente donde todos puedan crecer.
El éxito de Quizlet depende de nuestro compromiso con la diversidad, la equidad y la inclusión. Damos la bienvenida a candidatos de todos los orígenes, y alentamos especialmente a mujeres, personas de color, personas LGBTQ+, personas con discapacidades y veteranos a postularse. ¡Únete a nosotros!

Para reclutadores y agencias:
Quizlet no acepta currículos no solicitados. No los envíen a nuestro sitio web ni al personal. No pagaremos tarifas asociadas y cualquier envío no solicitado se considerará propiedad de Quizlet.