IA Machine Learning - Senior

Estamos en búsqueda de profesionales en Ingeniería de Sistemas, Electrónica o carreras afines, con más de 5 años de experiencia en el diseño e implementación de arquitecturas de Machine Learning a escala, desarrollo de soluciones avanzadas basadas en modelos de lenguaje (LLMs) y construcción de plataformas robustas de datos y ML.

Buscamos un perfil con sólida experiencia en MLOps, LLMOps, gobernanza de modelos, optimización de costos e infraestructura distribuida, capaz de diseñar sistemas resilientes, escalables y seguros, enfocados en la generación de valor a partir de datos y modelos de inteligencia artificial.

Responsabilidades

• Diseñar, desarrollar e implementar arquitecturas de Machine Learning y LLMs a escala, asegurando alto rendimiento, escalabilidad y eficiencia en costos mediante estrategias de optimización.
• Definir e implementar prácticas de LLMOps, incluyendo técnicas de prompt optimization, control de versiones de prompts y gestión de costos en inferencias.
• Diseñar sistemas basados en embeddings personalizados, garantizando precisión semántica y eficiencia en soluciones como RAG (Retrieval-Augmented Generation).
• Liderar procesos de entrenamiento distribuido de modelos, optimizando el uso de recursos de infraestructura y reduciendo tiempos de cómputo.
• Implementar y gobernar frameworks de MLOps, asegurando trazabilidad, versionamiento, monitoreo y ciclo de vida completo de modelos.
• Diseñar e implementar estrategias de evaluación de modelos, incluyendo pruebas A/B a gran escala y métricas avanzadas de desempeño.
• Garantizar la seguridad, privacidad y cumplimiento en el uso de modelos de ML y GenAI, incorporando controles de acceso, manejo de datos sensibles y buenas prácticas de gobernanza.
• Participar en revisiones de código (code review), asegurando estándares de calidad, mantenibilidad y buenas prácticas de desarrollo.
• Construir y optimizar pipelines de datos y ML para procesamiento batch y streaming, asegurando disponibilidad y confiabilidad.
• Productivizar soluciones de ML mediante APIs y servicios desacoplados, listos para consumo en arquitecturas empresariales.

Requisitos

Programación y frameworks

• Experiencia avanzada en Python y frameworks de Machine Learning (TensorFlow, PyTorch).
• Conocimiento sólido en desarrollo de APIs (FastAPI) e integración de servicios.
• Experiencia en frameworks de LLMs, incluyendo LangChain u otras herramientas del ecosistema.

MLOps & LLMOps

• Experiencia con herramientas como MLflow y Kubeflow para orquestación, tracking y despliegue de modelos.
• Conocimiento en gobernanza de modelos, versionamiento y monitoreo continuo.

Cloud & Infraestructura

• Experiencia en servicios cloud (preferiblemente AWS) para despliegue de soluciones de ML.
• Infraestructura como código (IaC) utilizando herramientas como Terraform, CloudFormation o similares.
• Conocimiento en entrenamiento distribuido y optimización de recursos en la nube.

Ingeniería de datos

• Experiencia en procesamiento de datos con Spark, Athena, Glue o tecnologías equivalentes.
• Manejo de grandes volúmenes de datos estructurados y no estructurados.

Orquestación & Streaming

• Experiencia en orquestadores como Airflow, Prefect, Step Functions o similares.
• Conocimiento en procesamiento de datos en tiempo real con herramientas como Kinesis, Kafka o equivalentes.

CI/CD

• Implementación de pipelines de integración y despliegue continuo para soluciones de datos y ML.

Monitoreo

• Experiencia en herramientas de monitoreo como CloudWatch o equivalentes para observabilidad de modelos y pipelines.

Habilidades blandas

• Pensamiento estratégico y analítico para diseñar soluciones de ML complejas alineadas con objetivos de negocio.
• Capacidad para liderar iniciativas técnicas y tomar decisiones sobre arquitecturas de alto impacto.
• Habilidad para comunicar conceptos complejos de IA y datos a audiencias técnicas y no técnicas.
• Proactividad en la identificación de riesgos, optimización de costos y mejora continua de procesos.
• Trabajo colaborativo y liderazgo técnico en equipos multidisciplinarios.
• Organización y gestión efectiva del tiempo en entornos dinámicos y con múltiples iniciativas simultáneas.
• Enfoque en calidad, seguridad y gobernanza en el desarrollo de soluciones de inteligencia artificial.