1225 - 403BAU | MLOps Engineer Senior
Summary
Senior MLOps Engineer builds and maintains scalable ML pipelines on AWS/Azure using SageMaker, MLFlow, and IaC tools like Terraform to deploy and monitor production models.
Buscamos un MLOps Engineer Senior con más de 5 años de experiencia en la entrega de soluciones de Machine Learning y en la gestión de infraestructuras como código. El candidato ideal tendrá experiencia en la implementación, integración y mantenimiento de modelos de ML escalables utilizando servicios de nube, como AWS y Azure, y plataformas como SageMaker y MLFlow. Esta posición está orientada a quienes tengan una sólida experiencia en la construcción de pipelines de ML, automatización de procesos, y gestión de la infraestructura de forma eficiente y replicable.
Responsabilidades:
Diseñar, implementar y mantener infraestructura como código (IaC) para la ejecución de modelos de Machine Learning en entornos de producción en la nube.
Trabajar con equipos de desarrollo y productos para integrar modelos de ML en servicios de producción, asegurando su escalabilidad y operabilidad a largo plazo.
Automatizar el ciclo de vida de los modelos (entrenamiento, pruebas, despliegue y retraining) utilizando herramientas como AWS SageMaker, MLFlow, y Docker.
Gestionar y optimizar los recursos de infraestructura en la nube (AWS, Azure) utilizando herramientas de automatización y administración como Terraform o CloudFormation.
Monitorear el desempeño de los modelos en producción, asegurando que se mantengan operativos y optimizados según los requerimientos del negocio.
Asegurar la confiabilidad, disponibilidad y escalabilidad de las soluciones implementadas.
Colaborar estrechamente con los equipos de data engineering y ciencia de datos para asegurar el flujo eficiente de datos entre sistemas y pipelines.
Gestionar tareas de monitoreo y logging para el seguimiento de los modelos en producción y prevenir posibles problemas en tiempo real.
Requisitos:
Más de 5 años de experiencia trabajando como MLOps Engineer o en un rol similar.
Experiencia demostrada en el diseño e implementación de pipelines de ML y soluciones basadas en la nube (AWS, Azure, etc.).
Fuertes habilidades en infraestructura como código (IaC) utilizando herramientas como Terraform o CloudFormation.
Experiencia con plataformas de machine learning como AWS SageMaker, MLFlow, Databricks y Docker.
Conocimiento avanzado en Python, Bash, SQL y otras tecnologías de desarrollo.
Conocimiento de herramientas para la gestión de datos geoespaciales, series temporales, y análisis de grandes volúmenes de datos.
Habilidad para trabajar en un entorno de equipo ágil y de ritmo rápido, manejando múltiples proyectos simultáneamente.
Nivel de inglés B2 para la comunicación efectiva en un entorno globalizado.
Deseable:
Experiencia en el uso de herramientas de automated retraining y model deployment.
Conocimiento práctico de herramientas de análisis y visualización de datos como Power BI o Tableau.
Familiaridad con herramientas de gestión de la infraestructura y servicios como Kubernetes.
Educación:
Título universitario en Ingeniería (preferiblemente en áreas como Ingeniería Mecánica, Ingeniería Geológica, Ciencia de Datos, etc.) o campos relacionados.
Responsabilidades:
Diseñar, implementar y mantener infraestructura como código (IaC) para la ejecución de modelos de Machine Learning en entornos de producción en la nube.
Trabajar con equipos de desarrollo y productos para integrar modelos de ML en servicios de producción, asegurando su escalabilidad y operabilidad a largo plazo.
Automatizar el ciclo de vida de los modelos (entrenamiento, pruebas, despliegue y retraining) utilizando herramientas como AWS SageMaker, MLFlow, y Docker.
Gestionar y optimizar los recursos de infraestructura en la nube (AWS, Azure) utilizando herramientas de automatización y administración como Terraform o CloudFormation.
Monitorear el desempeño de los modelos en producción, asegurando que se mantengan operativos y optimizados según los requerimientos del negocio.
Asegurar la confiabilidad, disponibilidad y escalabilidad de las soluciones implementadas.
Colaborar estrechamente con los equipos de data engineering y ciencia de datos para asegurar el flujo eficiente de datos entre sistemas y pipelines.
Gestionar tareas de monitoreo y logging para el seguimiento de los modelos en producción y prevenir posibles problemas en tiempo real.
Requisitos:
Más de 5 años de experiencia trabajando como MLOps Engineer o en un rol similar.
Experiencia demostrada en el diseño e implementación de pipelines de ML y soluciones basadas en la nube (AWS, Azure, etc.).
Fuertes habilidades en infraestructura como código (IaC) utilizando herramientas como Terraform o CloudFormation.
Experiencia con plataformas de machine learning como AWS SageMaker, MLFlow, Databricks y Docker.
Conocimiento avanzado en Python, Bash, SQL y otras tecnologías de desarrollo.
Conocimiento de herramientas para la gestión de datos geoespaciales, series temporales, y análisis de grandes volúmenes de datos.
Habilidad para trabajar en un entorno de equipo ágil y de ritmo rápido, manejando múltiples proyectos simultáneamente.
Nivel de inglés B2 para la comunicación efectiva en un entorno globalizado.
Deseable:
Experiencia en el uso de herramientas de automated retraining y model deployment.
Conocimiento práctico de herramientas de análisis y visualización de datos como Power BI o Tableau.
Familiaridad con herramientas de gestión de la infraestructura y servicios como Kubernetes.
Educación:
Título universitario en Ingeniería (preferiblemente en áreas como Ingeniería Mecánica, Ingeniería Geológica, Ciencia de Datos, etc.) o campos relacionados.