Ingeniero Manchine Learning Sr

Acerca de : Liderar la implementación y optimización de las arquitecturas de datos, infraestructura y modelos en producción, asegurando su escalabilidad, eficiencia y mantenimiento continuo, actuando como enlace entre los equipos de ciencia de datos, ingeniería y DevOps, para promover la adopción de mejores prácticas en MLOps.

Responsabilidades :

• Definir la estrategia de MLOps en la organización para estandarizar y mejorar el despliegue, monitoreo y mantenimiento de modelos ML en producción.
• Optimizar la infraestructura de modelos ML, reduciendo latencia y consumo de recursos computacionales, asegurando la mejor relación costo-beneficio en entornos cloud y on-premises.
• Diseñar arquitecturas escalables para el procesamiento de datos en tiempo real, utilizando herramientas como Scala, Apache Spark y Kafka, con el objetivo de garantizar predicciones rápidas y eficientes en grandes volúmenes de datos
• Implementar estrategias de detección de drift en modelos ML para asegurar que las predicciones sigan siendo relevantes con datos cambiantes.
• Supervisar la seguridad y cumplimiento normativo en MLOps para mitigar riesgos en el uso de datos y modelos en la empresa, implementando controles y políticas de ética en el uso de datos y modelos.
• Capacitar y guiar a ingenieros ML junior promoviendo buenas prácticas y estándares en el ciclo de vida de modelos.
• Implementar modelos de ML con infraestructura serverless, utilizando componentes de GCP como Cloud Functions y AI Platform, para optimizar costos y mejorar la escalabilidad en producción.

Requisitos :

Experiencia de 5+ años en despliegue y mantenimiento de modelos de ML en producción.

Arquitectura y escalabilidad de modelos : Model distillation, deployment con TensorFlow Serving.

Optimización de pipelines ML : Feature store, streaming ML, Kubeflow Pipelines, DVC.

Automatización y CI / CD : Jenkins, GitOps.

Despliegue multinube : AWS, GCP, Azure.

Gobernanza de modelos : Auditoría, fairness, compliance en IA.

Microservicios para modelos de ML con Flask, FastAPI y Spring Boot.

Big Data : Apache Spark, Hadoop, Kafka, Databricks.

Escolaridad : Ingeniería en Computación, Sistemas, Ciencia de Datos o afines. Posgrado en Computación, Ciencia de Datos, IA, MLOps, Ingeniería de Datos, Inteligencia Artificial, Big Data & Analytics.

Beneficios :

Sueldo base

Fondo de ahorro

Descuentos en compras de muebles y ropa

Aguinaldo

Vacaciones

Prima vacacional

Reparto de utilidades

Día de cumpleaños

Becas para estudio

Útiles escolares

Club de protección familiar

Ambiente de trabajo agradable

Entre otros beneficios y prestaciones