Acerca de: liderar la implementación y optimización de las arquitecturas de datos, infraestructura y modelos en producción, asegurando su escalabilidad, eficiencia y mantenimiento continuo, actuando como enlace entre los equipos de ciencia de datos, ingeniería y devops, para promover la adopción de mejores prácticas en mlops.
responsabilidades: definir la estrategia de mlops en la organización para estandarizar y mejorar el despliegue, monitoreo y mantenimiento de modelos ml en producción.
optimizar la infraestructura de modelos ml, reduciendo latencia y consumo de recursos computacionales, asegurando la mejor relación costo-beneficio en entornos cloud y on-premises.
diseñar arquitecturas escalables para el procesamiento de datos en tiempo real, utilizando herramientas como scala, apache spark y kafka, con el objetivo de garantizar predicciones rápidas y eficientes en grandes volúmenes de datos implementar estrategias de detección de drift en modelos ml para asegurar que las predicciones sigan siendo relevantes con datos cambiantes.
supervisar la seguridad y cumplimiento normativo en mlops para mitigar riesgos en el uso de datos y modelos en la empresa, implementando controles y políticas de ética en el uso de datos y modelos.
capacitar y guiar a ingenieros ml junior promoviendo buenas prácticas y estándares en el ciclo de vida de modelos.
implementar modelos de ml con infraestructura serverless, utilizando componentes de gcp como cloud functions y ai platform, para optimizar costos y mejorar la escalabilidad en producción.
requisitos: experiencia de 5+ años en despliegue y mantenimiento de modelos de ml en producción.
arquitectura y escalabilidad de modelos: model distillation, deployment con tensorflow serving.
optimización de pipelines ml: feature store, streaming ml, kubeflow pipelines, dvc.
automatización y ci/cd: jenkins, gitops.
despliegue multinube: aws, gcp, azure.
gobernanza de modelos: auditoría, fairness, compliance en ia.
microservicios para modelos de ml con flask, fastapi y spring boot.
big data: apache spark, hadoop, kafka, databricks.
escolaridad: ingeniería en computación, sistemas, ciencia de datos o afines.
posgrado en computación, ciencia de datos, ia, mlops, ingeniería de datos, inteligencia artificial, big data & analytics.
beneficios: sueldo base fondo de ahorro descuentos en compras de muebles y ropa aguinaldo vacaciones prima vacacional reparto de utilidades día de cumpleaños becas para estudio útiles escolares club de protección familiar ambiente de trabajo agradable entre otros beneficios y prestaciones