Senior MLOps Engineer AWS
Summary
Design, implement, and operate scalable MLOps platforms on AWS using SageMaker, focusing on model lifecycle industrialization, CI/CD automation, and infrastructure as code.
- Diseñar, implementar y operar plataformas MLOps escalables sobre AWS.
- Industrializar el ciclo de vida de modelos analíticos y de inteligencia artificial.
- Habilitar procesos de entrenamiento, validación, despliegue, monitoreo y reentrenamiento de modelos.
- Implementar prácticas de automatización, gobierno y observabilidad para entornos productivos de machine learning.
- Asegurar plataformas robustas, seguras, trazables y eficientes para la operación de modelos en producción.
- Colaborar con equipos de Data Science, Data Engineering y Cloud Engineering para acelerar la adopción de IA en ambientes empresariales.
Responsabilidades
- Diseñar, implementar y mantener pipelines MLOps sobre AWS para entrenamiento, validación, despliegue y monitoreo de modelos.
- Construir y operar soluciones productivas utilizando Amazon SageMaker y servicios complementarios de AWS.
- Automatizar flujos de machine learning para experimentación, versionamiento, aprobación, publicación y reentrenamiento de modelos.
- Implementar buenas prácticas de CI/CD y CT/CD para modelos, código, datasets y artefactos asociados.
- Desplegar modelos en ambientes de inferencia batch y real-time asegurando escalabilidad, trazabilidad y alta disponibilidad.
- Definir mecanismos de monitoreo de performance, drift, calidad de datos y estabilidad operacional de los modelos.
- Integrar pipelines de datos y machine learning con servicios de almacenamiento, procesamiento, eventos y observabilidad en AWS.
- Colaborar con Data Scientists, Data Engineers, Cloud Engineers y equipos de negocio para llevar modelos a producción de forma robusta.
- Asegurar estándares de seguridad, gobierno, control de accesos, auditoría y eficiencia de costos en plataformas de ML.
- Documentar procesos, arquitecturas, flujos de despliegue, estándares y procedimientos operacionales.
- Experiencia experta en Amazon SageMaker, incluyendo entrenamiento, procesamiento, pipelines, endpoints, batch transform, model registry y monitoreo.
- Experiencia sólida en AWS, idealmente en ambientes empresariales y productivos.
- Conocimiento en automatización y orquestación de workflows de machine learning.
- Experiencia en despliegue de modelos y operación de plataformas MLOps.
- Conocimiento en infraestructura como código (CloudFormation, Terraform o herramientas equivalentes).
- Experiencia en prácticas CI/CD aplicadas a machine learning.
- Conocimiento en almacenamiento y procesamiento de datos utilizando servicios AWS.
- Conocimiento en monitoreo y observabilidad mediante CloudWatch, logs, métricas y alertas.
- Manejo sólido de Python y SQL.
- Conocimiento en versionamiento de código, datasets, modelos y artefactos de machine learning.
Experiencia Requerida
- Perfil Senior.
- Mínimo 3 años de experiencia en roles de MLOps, Machine Learning Engineering, Data Engineering o posiciones similares.
- Experiencia comprobable llevando modelos de machine learning a producción en entornos AWS.
- Deseable experiencia trabajando con equipos de ciencia de datos y plataformas de datos empresariales.
Habilidades Blandas
- Pensamiento analítico y orientación a resolución de problemas complejos.
- Capacidad para diseñar plataformas robustas y escalables.
- Buenas habilidades de comunicación y colaboración con equipos multidisciplinarios.
- Autonomía, proactividad y foco en excelencia operativa.
- Orientación a calidad, automatización, seguridad y mejora continua.