Sr Lead Machine Learning Ops

Objetivo del puesto : Ingeniero de operaciones de IA / ML en AWS enfocado en construir una plataforma de datos robusta y pipelines para análisis avanzados.

Desarrollará herramientas de plataforma, implementará modelos de ciencia de datos en producción (batch y en tiempo real), ajustará hiperparámetros a escala y monitoreará el rendimiento.

Apoyará proyectos de aprendizaje automático de principio a fin y desarrollará herramientas para el equipo de ciencia de datos.

Será responsable de la velocidad de las implementaciones, validación del código y control de versiones de datos, modelos e infraestructura.Responsabilidades principales : Implementar y mantener infraestructura (ej. Sagemaker Notebooks) para facilitar el desarrollo de modelos y CI / CD, integrándose con el ecosistema de datos.Crear y mantener pipelines de entrada / salida y generación de features para entrenamiento e inferencia.Implementar y mantener infraestructura para servicios de modelos en batch y en tiempo real, asegurando alto rendimiento y baja latencia.Desarrollar y mantener herramientas de control, monitoreo y alertas para el rendimiento de los modelos.Gestionar infraestructura para tareas de procesamiento intensivo, como ajuste de hiperparámetros y explicabilidad.Colaborar con equipos de producto y arquitectura para definir soluciones escalables y de alto rendimiento.Aprovechar la experiencia técnica para diseñar soluciones escalables y capacitar a equipos.Garantizar cumplimiento de estándares, SLA y objetivos comerciales, anticipándose a dependencias y necesidades del equipo.Identificar y mitigar problemas en tareas y escalabilidad.Fomentar altos estándares de excelencia operativa y el desarrollo de métodos tecnológicos en el equipo.Requisitos y conocimientos : +6 años en diseño y mantenimiento de ML pipelines con herramientas como AWS Step Functions, Apache Airflow o Kuberflow.

• 5 años en plataformas en la nube (AWS, GCP, Azure), con experiencia en servicios de aprendizaje de máquina, almacenamiento y procesamiento (ej. AWS Sagemaker, Google AI Platform, Azure ML).
• 3 años en tecnologías de contenerización y orquestación (Docker, Kubernetes), enfocándose en escalabilidad de cargas de trabajo de ML.
• 3 años en implementación y mantenimiento de modelos en producción usando TensorFlow Serving, TorchServe o APIs.
• 3 años en CI / CD para modelos de ML con Jenkins, GitLab CI / CD o CircleCI.
• 3 años en versionamiento de datos y herramientas como DVC o MLflow para trazabilidad y reproducibilidad.

#J-18808-Ljbffr