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:

• 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.
• Ingles intermedio

Escolaridad: Maestría en Computación, Ciencia de Datos, IA, MLOps, Ingeniería de Datos, Inteligencia Artificial, Big Data & Analytics.

Experiencia: 5+ años en despliegue y mantenimiento de modelos de ML en producción.

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