Objetivo del puesto:

Ingeniero de operaciones de IA/ML en AWS enfocado en construir una plataforma de datos robusta y pipelines para análisis avanzados. Desarrollará herramientas de plataforma, implementará modelos de ciencia de datos en producción (batch y en tiempo real), ajustará hiperparámetros a escala y monitoreará el rendimiento. Apoyará proyectos de aprendizaje automático de principio a fin y desarrollará herramientas para el equipo de ciencia de datos. Será responsable de la velocidad de las implementaciones, validación del código y control de versiones de datos, modelos e infraestructura.

Responsabilidades principales:

1. Implementar y mantener infraestructura (ej. Sagemaker Notebooks) para facilitar el desarrollo de modelos y CI/CD, integrándose con el ecosistema de datos.
2. Crear y mantener pipelines de entrada/salida y generación de features para entrenamiento e inferencia.
3. Implementar y mantener infraestructura para servicios de modelos en batch y en tiempo real, asegurando alto rendimiento y baja latencia.
4. Desarrollar y mantener herramientas de control, monitoreo y alertas para el rendimiento de los modelos.
5. Gestionar infraestructura para tareas de procesamiento intensivo, como ajuste de hiperparámetros y explicabilidad.
6.



Colaborar con equipos de producto y arquitectura para definir soluciones escalables y de alto rendimiento.
7. Aprovechar la experiencia técnica para diseñar soluciones escalables y capacitar a equipos.
8. Garantizar cumplimiento de estándares, SLA y objetivos comerciales, anticipándose a dependencias y necesidades del equipo.
9. Identificar y mitigar problemas en tareas y escalabilidad.
10. Fomentar altos estándares de excelencia operativa y el desarrollo de métodos tecnológicos en el equipo.

Requisitos y conocimientos:

- +6 años en diseño y mantenimiento de ML pipelines con herramientas como AWS Step Functions, Apache Airflow o Kuberflow.
- +5 años en plataformas en la nube (AWS, GCP, Azure), con experiencia en servicios de aprendizaje de máquina, almacenamiento y procesamiento (ej. AWS Sagemaker, Google AI Platform, Azure ML).
- +3 años en tecnologías de contenerización y orquestación (Docker, Kubernetes), enfocándose en escalabilidad de cargas de trabajo de ML.
- +3 años en implementación y mantenimiento de modelos en producción usando TensorFlow Serving, TorchServe o APIs.
- +3 años en CI/CD para modelos de ML con Jenkins, GitLab CI/CD o CircleCI.
- +3 años en versionamiento de datos y herramientas como DVC o MLflow para trazabilidad y reproducibilidad.

#J-18808-Ljbffr

📌 Sr Lead Machine Learning Ops (Ciudad de México)
🏢 Openbank México
📍 Ciudad de México