Como Arquitecto de Soluciones de ML, será el puente técnico entre los clientes y los equipos de implementación. Liderará las discusiones técnicas previas a la venta, diseñará arquitecturas de ML que resuelvan problemas empresariales y garantizará que las soluciones sean viables, escalables y estén alineadas con las necesidades del cliente. Este es un puesto con mucho contacto directo con el cliente que requiere una profunda experiencia técnica y excelentes habilidades de comunicación. ### **Principales responsabilidades: 1\. Preventa y diseño de soluciones (50 %):** * Liderar sesiones técnicas de descubrimiento con clientes potenciales * Comprender los problemas comerciales del cliente y traducirlos en soluciones de ML * Diseñar arquitecturas técnicas completas de ML y propuestas técnicas * Crear presentaciones y demostraciones técnicas atractivas * Estimar el alcance del proyecto, plazos, costos y requisitos de recursos * Apoyar a los gerentes generales en la obtención de nuevos negocios ### **2\. Liderazgo técnico frente al cliente (30 %):** * Actuar como el principal punto de contacto técnico para los clientes * Gestionar las expectativas de los interesados técnicos * Presentar soluciones técnicas ante audiencias técnicas y no técnicas * Navegar dinámicas organizacionales complejas y prioridades conflictivas * Garantizar la satisfacción del cliente durante todo el ciclo de vida del proyecto * Construir relaciones duraderas como asesor de confianza ### **3\. Colaboración interna y entrega (20 %):** * Colaborar con los equipos de implementación para garantizar una entrega sin problemas * Brindar orientación técnica durante la ejecución del proyecto * Contribuir al desarrollo de patrones de solución reutilizables * Compartir aprendizajes y mejores prácticas con el equipo de ML * Mentorear a ingenieros en comunicación con clientes y diseño de soluciones ### **Requisitos: 1\. Arquitectura y diseño de ML** * Diseño de soluciones: Capacidad para diseñar sistemas de ML de extremo a extremo para diversos problemas empresariales * Ciclo de vida de ML: Comprensión profunda del ciclo completo de ML, desde los datos hasta el despliegue * Diseño de sistemas: Experiencia en el diseño de arquitecturas de ML escalables y listas para producción * Análisis de compensaciones: Capacidad para evaluar enfoques técnicos (costo, rendimiento, complejidad) * Evaluación de viabilidad: Capacidad para determinar rápidamente si ML es una solución adecuada para un problema ### **2\. Conocimientos amplios en ML** * Múltiples dominios de ML: Experiencia en diversas aplicaciones de ML (RAG, visión por computadora, series temporales, recomendaciones, etc.) * Soluciones LLM: Experiencia sólida en el diseño de aplicaciones basadas en LLM * ML clásico: Base en algoritmos tradicionales de ML y cuándo utilizarlos * Aprendizaje profundo: Comprensión de arquitecturas y aplicaciones de redes neuronales * MLOps: Conocimiento de infraestructura de ML en producción y prácticas DevOps ### **3\. Nube e infraestructura** * Experiencia en AWS: Conocimientos avanzados de servicios de datos y ML en AWS * Conocimiento multiplataforma: Comprensión de alternativas en Azure y GCP * Arquitecturas sin servidor: Experiencia con Lambda, API Gateway, etc. * Optimización de costos: Capacidad para diseñar soluciones rentables * Seguridad y cumplimiento: Comprensión de seguridad de datos, privacidad y normativas de cumplimiento ### **4\. Arquitectura de datos** * Canalizaciones de datos: Comprensión de patrones y herramientas ETL/ELT * Almacenamiento de datos: Conocimiento de bases de datos, lagos de datos y almacenes de datos * Calidad de datos: Comprensión de validación y monitoreo de datos * Procesamiento en tiempo real frente a por lotes: Capacidad para diseñar según diferentes necesidades de procesamiento de datos Podemos utilizar herramientas de inteligencia artificial (IA) para apoyar partes del proceso de contratación, como revisar solicitudes, analizar currículos o evaluar respuestas. Estas herramientas ayudan a nuestro equipo de reclutamiento, pero no sustituyen el juicio humano. Las decisiones finales de contratación son tomadas finalmente por personas. Si desea obtener más información sobre cómo se procesan sus datos, comuníquese con nosotros.