Perfil de la Posición

Estamos buscando un/a Machine Learning Engineer Senior para liderar el ciclo de vida completo de soluciones de IA. El perfil ideal combina un dominio técnico avanzado en modelos predictivos con la capacidad estratégica de escalar soluciones a producción en entornos de alta complejidad. Buscamos a alguien capaz de transformar datos brutos en activos de negocio mediante modelos robustos, escalables y mantenibles.

Responsabilidades Principales

• Arquitectura de ML: Diseñar, desarrollar y desplegar modelos de machine learning en entornos de producción a gran escala.
• Ciclo de Vida (End-to-End): Liderar el proceso desde la ingesta de datos y feature engineering hasta el entrenamiento, validación y monitoreo de modelos.
• MLOps y Escalabilidad: Implementar y optimizar pipelines de MLOps para garantizar la reproducibilidad, el versionado y la eficiencia en el despliegue.
• Colaboración Técnica: Trabajar codo a codo con equipos de Data Engineering y Software Engineering para integrar modelos en productos finales.
• Mentoria: Impulsar el crecimiento técnico del equipo, estableciendo estándares de calidad y mejores prácticas en el desarrollo de IA.
• Optimización: Investigar y aplicar el estado del arte en algoritmos para resolver problemas críticos de negocio.

Requisitos Excluyentes

• Experiencia: +5 años en roles de Machine Learning Engineering o Data Science con foco en producción.
• Stack Tecnológico: Dominio avanzado de Python y sus librerías científicas (Pandas, NumPy, Scikit-Learn).
• Deep Learning: Experiencia sólida con frameworks como PyTorch o TensorFlow/Keras.
• Cloud & Infraestructura: Experiencia práctica en entornos cloud (AWS, GCP o Azure) utilizando servicios nativos de ML (ej. SageMaker, Vertex AI).
• Ingeniería de Software: Sólidos conocimientos en SQL, diseño de APIs para servir modelos y principios de arquitectura de software.
• MLOps: Manejo fluido de herramientas de versionado y monitoreo de modelos (MLflow, Kubeflow, Weights & Biases o similares).
• Control de Versiones: Dominio avanzado de Git y flujos de trabajo en GitHub/GitLab.

Deseable (Plus)

• Big Data: Experiencia con tecnologías de procesamiento distribuido (Apache Spark, Databricks).
• Contenerización: Dominio de Docker y Kubernetes aplicados al despliegue de modelos.
• Optimización: Experiencia en técnicas de model quantization o pruning para optimizar el rendimiento en producción.
• Soft Skills: Capacidad demostrada para traducir problemas de negocio ambiguos en requerimientos técnicos claros.
• Comunidad: Participación activa en la comunidad de IA, conferencias o publicaciones técnicas.