Objetivo del Puesto:Buscamos unMLOps Engineerespecializado en infraestructura y orquestación para liderar la automatización, escalabilidad y confiabilidad del ciclo de vida de nuestras soluciones de Machine Learning.
Serás el puente entre los equipos de Data Science y Platform Engineering, construyendo la arquitectura necesaria para llevar modelos desde la fase de experimentación hasta un entorno de producción altamente disponible, confiable y monitoreado.Responsabilidades PrincipalesPipelines de ML y CI/CD/CT:Diseñar, construir y mantener pipelines automatizados de entrenamiento, validación y despliegue continuo de modelos (Continuous Training & Deployment).
Implementar prácticas avanzadas de CI/CD adaptadas al ciclo de vida de Machine Learning utilizando GitHub Actions, GitLab CI o herramientas similares.Infraestructura como Código (IaC) y Gestión Cloud:Provisionar, escalar y mantener infraestructura en la nube (AWS/GCP/Azure) utilizandoTerraformoCloudFormation.Administrar clústeres deKubernetes(EKS/GKE/AKS) optimizados para cargas de trabajo de IA/ML, gestionando el cómputo en CPU/GPU de forma eficiente.Versionado de Artefactos:Garantizar la trazabilidad y reproducibilidad total del ciclo de aprendizaje mediante el versionado de código, datos (Data Versioning) y modelos (usando herramientas como DVC, MLflow o similares).
Monitoreo, Observabilidad y Calidad:Implementar sistemas de monitoreo en tiempo real para detectarData Drift,Concept Drifty degradación del rendimiento de los modelos en producción.Configurar alertas proactivas y tableros de métricas para garantizar SLAs operativos exigentes.Gobernanza, Seguridad y Colaboración:Integrar políticas de seguridad,



gestión de identidades y accesos (IAM), cifrado de datos y cumplimiento normativo en los pipelines.Colaborar de cerca con Data Scientists, Data Engineers y Cloud/DevOps Engineers para definir estándares arquitectónicos y reducir el tiempo de salida al mercado (Time-to-Market).
Requisitos:Técnicos (Obligatorios)Experiencia:3+ años en roles de MLOps, DevOps enfocado en Datos, o Cloud Infrastructure Engineer en entornos de producción.Plataformas Cloud:Dominio sólido en al menos una nube principal (AWS, GCP o Azure) y sus servicios administrados de datos/ML.Orquestación y MLOps:Experiencia práctica enMLflow, Kubeflow, Apache Airflow, PrefectoRay.Contenedores y Serverless:Experiencia avanzada enDockery orquestación conKubernetes.Infraestructura como Código:Dominio deTerraformoCloudFormation.Lenguajes de Programación:Nivel avanzado dePythony manejo de scripts en Bash.Bases de Datos y Datos:Familiaridad con arquitecturas de datos (Feature Stores, Data Lakes) y consulta de bases de datos relacionales y NoSQL.Deseables (Plus)Certificación oficial en la nube (ej. AWS Certified Machine Learning / DevOps Engineer, GCP Professional ML Engineer).
Experiencia trabajando conFeature Stores(Feast, Hopsworks, Tecton).
Conocimiento en la optimización e inferencia de modelos de lenguaje masivos (LLMs) o arquitecturas Deep Learning.Manejo deKServe, Triton Inference ServeroRay Servepara inferencias a baja latencia.Habilidades BlandasMentalidad orientada a la automatización y la mejora continua.Excelentes habilidades de comunicación técnica para traducir necesidades entre Data Science y Platform Operations.Capacidad analítica y resolución de problemas bajo presión en entornos de producción.

📌 Mlops Engineer (Xico)
🏢 Acute-Talent
📍 Xico