LLM/ML Engineer
Summary
Senior LLM/ML engineer who takes open-weight language models to production: selecting and benchmarking models, building scalable cloud/on-prem inference (vLLM/SGLang), optimizing via quantization and LoRA/QLoRA fine-tuning, building eval pipelines and agent/tool-calling apps, and mentoring the team. Core stack: Python, Hugging Face, PyTorch, Docker, AWS/Kubernetes.
Descripción del puesto
Buscamos un Senior LLM / ML Engineer con experiencia práctica en implementación, evaluación, optimización y despliegue de modelos de lenguaje de pesos abiertos (open-weight LLMs).
El perfil debe combinar conocimientos sólidos de Machine Learning aplicado, infraestructura de inferencia y desarrollo de software, con capacidad para liderar decisiones técnicas y transferir conocimientos a otros ingenieros
Responsabilidades
- Evaluar y seleccionar modelos de lenguaje según calidad, rendimiento, latencia y costos.
- Diseñar e implementar arquitecturas de inferencia escalables sobre infraestructura cloud y on-premise.
- Optimizar modelos mediante cuantización, batching, configuración de inferencia y técnicas de fine-tuning como LoRA/QLoRA.
- Diseñar benchmarks y pipelines de evaluación automatizada para medir calidad y detectar regresiones.
- Implementar y optimizar aplicaciones con tool calling, salidas estructuradas y agentes.
- Diagnosticar problemas de rendimiento, uso de GPU, memoria y concurrencia.
- Definir buenas prácticas de observabilidad, versionado, despliegue y monitoreo de modelos.
- Brindar liderazgo técnico, realizar code reviews y transferir conocimientos al equipo de ingeniería.
Requisitos
- Experiencia demostrable desplegando LLMs de pesos abiertos en entornos productivos.
- Dominio de Python y experiencia con Hugging Face Transformers.
- Experiencia práctica con servidores de inferencia como vLLM, SGLang o equivalentes.
- Conocimiento sólido de GPUs, cuantización y optimización de inferencia.
- Experiencia realizando fine-tuning mediante LoRA/QLoRA o técnicas equivalentes.
- Experiencia diseñando evaluaciones y benchmarks de LLMs.
- Conocimiento práctico de tool calling, agentes y aplicaciones conversacionales.
- Experiencia con Docker y plataformas cloud.
- Capacidad de liderazgo técnico y mentoring.
Conocimientos valorados
- PyTorch, PEFT, TRL y herramientas de entrenamiento eficiente.
- AWS y Kubernetes.
- Langfuse, MLflow u otras herramientas de observabilidad y experimentación.
- Experiencia con modelos como Qwen, Llama, Mistral o similares.
- Optimización de costos de inferencia y dimensionamiento de infraestructura GPU.
- Experiencia con sistemas de alta concurrencia y disponibilidad.
Beneficios
- Plataforma Wellhub con acceso a gimnasios y bienestar integral.
- Clases de inglés in-company.
- Licencias legales extendidas y vacaciones fraccionadas.
- Almuerzo y desayuno provistos en días presenciales (3 veces por semana).
- Ambiente laboral excepcional con actividades y eventos durante todo el año.
- Oportunidades de capacitación continua a través de nuestra plataforma interna.
- Descuentos en universidades y centros de formación.
- Reconocimientos en fechas especiales y beneficios adicionales por nacimiento.
- Apoyo económico para gastos de mudanza
Skills
Sign in to read and join the discussion.