Description

Implementar soluciones de machine learning en entornos productivos, asegurando la correcta integración de modelos, la optimización de pipelines de datos y el cumplimiento de buenas prácticas en MLOps.

Responsibilities

- Diseñar y desarrollar pipelines de despliegue de modelos ML utilizando herramientas como Kubeflow, MLflow o TFX, para garantizar su integración fluida en producción.
- Automatizar el ciclo de vida de los modelos ML implementando estrategias de CI/CD y monitoreo, incluyendo el despliegue de modelos pre-entrenados mediante APIs, para reducir tiempos de despliegue y asegurar su correcto funcionamiento.
- Optimizar la latencia y el rendimiento de los modelos en producción mediante técnicas de compresión, poda o quantization, para mejorar la eficiencia en tiempo real.




- Desarrollar estrategias de versionado y gobernanza de modelos con el fin de mantener un historial transparente de cambios y mejoras en los modelos productivos.
- Supervisar la infraestructura necesaria para la ejecución de modelos en la nube o en servidores on-premises, asegurando su estabilidad y escalabilidad.
- Colaborar con científicos de datos y equipos de software para garantizar la integración óptima de modelos en aplicaciones y sistemas empresariales.
- Diseñar e implementar pipelines de ETL/ELT para la preparación y transformación de datos, asegurando su calidad y disponibilidad para el entrenamiento y despliegue de modelos.

📌 Ingeniero En Ml (México)
🏢 Coppel Enterprise
📍 México