Ubicación: méxico / latam (remoto o híbrido)
tipo: full-time
equipo: producto & ingeniería – quash
el rol
buscamos un machine learning engineer que combine ml clásico + genai + software engineering, y que participe de extremo a extremo en la construcción de la plataforma:
• desde el diseño de agentes de ia,
• pasando por pipelines de datos y modelos,
• hasta su despliegue productivo en aws y su integración con el frontend y clientes reales.
este rol es hands-on, con alto impacto técnico y de producto.
⸻
responsabilidades
1. Desarrollo de agentes de ia y genai
• diseñar, construir y mantener agentes de ia usando aws bedrock (claude, titan, etc.) y otra plataforma deploy-ready.
• implementar orquestación de agentes, memoria, herramientas (tools), y flujos multi-step.
• construir pipelines de rag (retrieval-augmented generation) sobre documentos financieros, datos de buró, políticas de crédito y fuentes externas.
• optimizar prompts, context windows, costos, latencia y observabilidad de los agentes.
2. Modelos de machine learning & riesgo de crédito
• desarrollar y mantener modelos de riesgo crediticio (pd, scorecards, reglas híbridas, features alternativas).
• trabajar con datos estructurados y no estructurados (tabulares, texto, documentos).
• implementar entrenamiento, validación y versionado de modelos en sagemaker.
• colaborar en análisis de desempeño, fairness, explainability y estabilidad de modelos.
3. Mlops & despliegue
• desplegar modelos en producción usando sagemaker endpoints, batch inference o pipelines.
• diseñar pipelines de ml reproducibles (entrenamiento, inferencia, monitoreo).
• implementar versionado de modelos, datasets y artefactos.
• monitorear drift, performance y uso de modelos en producción.
4. Backend & plataforma
• desarrollar apis de backend en python (fastapi) para exponer agentes, modelos y resultados.
• integrar servicios con aws s3, dynamodb, y otros servicios cloud.
• diseñar sistemas orientados a eventos y escalables.
• colaborar con frontend y producto para integrar capacidades de ia en la plataforma web.
5. Datos & análisis
• diseñar y consumir datasets de crédito y riesgo.
• construir pipelines de ingestión, limpieza y feature engineering.
• analizar comportamiento de usuarios, uso de agentes y resultados de decisiones.
• apoyar en análisis exploratorios y pruebas de concepto con clientes.
⸻
requisitos técnicos
indispensables
• +4 años de experiencia como ml engineer, data scientist senior o rol similar.
• dominio sólido de python para ml y backend.
• experiencia práctica con machine learning en producción.
• conocimiento de genai / llms y sistemas basados en ellos.
• experiencia usando aws (s3, iam, ec2, sagemaker, dynamodb).
• experiencia construyendo apis con fastapi o frameworks similares.
• buen entendimiento de datos de crédito / financieros o fuerte interés en el dominio.
muy deseables
• experiencia con aws bedrock o plataformas similares de llms.
• experiencia en rag, embeddings, vector stores y búsqueda semántica.
• conocimiento de riesgo de crédito, underwriting, scoring o fraude.
• experiencia con mlops, ci/cd y despliegues cloud.
• experiencia trabajando en productos b2b saas o fintech.
⸻
perfil ideal
• mentalidad de ingeniero de producto, no solo de investigación.
• cómodo trabajando con ambigüedad y definiendo soluciones desde cero.
• capaz de explicar decisiones técnicas a perfiles no técnicos.
• interés genuino por sistemas agenticos, ia aplicada y toma de decisiones.
• alto ownership: lo que construyes, lo operas.
⸻
qué ofrecemos
• trabajar en una plataforma agentica real, usada por clientes reales.
• exposición directa a problemas complejos de riesgo financiero.
• mucha libertad técnica y capacidad de influir en arquitectura y producto.
• crecimiento acelerado en genai, mlops y sistemas de decisión.
• equipo pequeño, senior y enfocado en impacto.