Objetivo del Puesto:
Buscamos un MLOps Engineer especializado 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 Principales

Pipelines 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) utilizando Terraform o CloudFormation.

Administrar clústeres de Kubernetes (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 detectar Data Drift, Concept Drift y 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).

#J-18808-Ljbffr

📌 MLOps Engineer (Ciudad de México)
🏢 Acute-Talent
📍 Ciudad de México