Descripción
Resumen:
Este puesto implica diseñar e implementar soluciones de ML de extremo a extremo, construir canalizaciones de ML escalables y contribuir al desarrollo de las prácticas de ML.
Aspectos destacados:
1. Diseñar e implementar soluciones de ML de extremo a extremo, desde la experimentación hasta la producción.
2. Colaborar con equipos multifuncionales y capacitar a ingenieros junior de ML.
3. Mantenerse actualizado con la investigación en ML y proponer mejoras a las soluciones existentes.
### **Responsabilidades:**
* Entrega técnica (60%)
* Diseñar e implementar soluciones de ML de extremo a extremo, desde la experimentación hasta la producción;
* Construir canalizaciones e infraestructura de ML escalables;
* Optimizar el rendimiento, la eficiencia y la fiabilidad de los modelos;
* Escribir código limpio, mantenible y de calidad para producción;
* Realizar experimentación rigurosa y evaluación de modelos;
* Solucionar y resolver desafíos técnicos complejos.
* Colaboración y contribución (25%);
* Capacitar a ingenieros de ML junior y de nivel intermedio;
* Realizar revisiones de código y proporcionar comentarios constructivos;
* Compartir conocimientos mediante documentación, presentaciones y talleres;
* Colaborar con equipos multifuncionales (DevOps, Ingeniería de Datos, SAs);
* Contribuir al desarrollo interno de las prácticas de ML.
* Innovación y crecimiento (15%)
* Mantenerse actualizado con la investigación en ML y las tecnologías emergentes;
* Proponer mejoras a las soluciones y procesos existentes;
* Contribuir al desarrollo de aceleradores reutilizables de ML;
* Participar en discusiones técnicas y decisiones arquitectónicas.
### **Requisitos:**
* Núcleo de Machine Learning
* Fundamentos de ML: aprendizaje supervisado, no supervisado y por refuerzo;
* Desarrollo de modelos: ingeniería de características, entrenamiento de modelos, evaluación, ajuste de hiperparámetros y validación;
* Marcos de ML: bibliotecas clásicas de ML, TensorFlow, PyTorch o marcos similares;
* Aprendizaje profundo: CNN, RNN, Transformers.
* Modelos de lenguaje grande (LLM) e IA generativa
* Aplicaciones de LLM: experiencia en el desarrollo de aplicaciones basadas en LLM para entornos productivos;
* Ingeniería de prompts: capacidad para diseñar prompts efectivos y estrategias de cadena de razonamiento;
* Sistemas RAG: experiencia en la construcción de arquitecturas de generación aumentada por recuperación;
* Bases de datos vectoriales: familiaridad con modelos de incrustación y búsqueda vectorial;
* Evaluación de LLM: experiencia con métricas y técnicas de evaluación de salidas de LLM.
* Datos y programación
* Python: dominio avanzado de Python para aplicaciones de ML;
* Manipulación de datos: experiencia experta con pandas, numpy y bibliotecas de procesamiento de datos;
* SQL: capacidad para trabajar con datos estructurados y bases de datos;
\- Canalizaciones de datos: experiencia en la construcción de canalizaciones ETL/ELT \- Big Data: experiencia con Spark o marcos similares de computación distribuida.
* MLOps y producción
* Implementación de modelos: experiencia en la implementación de modelos de ML en entornos productivos;
* Contenerización: dominio de Docker y orquestación de contenedores;
* CI/CD: comprensión de la integración y despliegue continuos para ML;
* Monitoreo: experiencia en monitoreo de modelos y observabilidad;
* Seguimiento de experimentos: familiaridad con MLflow, Weights and Biases u herramientas similares.
* Nube e infraestructura
* Servicios de AWS: amplia experiencia con servicios de ML de AWS (SageMaker, Lambda, etc.);
* Conocimientos avanzados de GCP: conocimientos avanzados de servicios de ML y datos de GCP;
* Arquitectura en la nube: comprensión de arquitecturas de ML nativas de la nube;
* + Infraestructura como código: experiencia con Terraform, CloudFormation o similares.
### **Será un plus:**
* Experiencia práctica con plataformas en la nube (se prefiere la pila de AWS, por ejemplo Amazon SageMaker, ECR, EMR, S3, AWS Lambda);
* Experiencia práctica con modelos de aprendizaje profundo;
* Experiencia con taxonomías u ontologías;
* Experiencia práctica con canalizaciones de machine learning para coordinar flujos de trabajo complejos;
* Experiencia práctica con Spark/Dask, Great Expectations.
### **Qué ofrecemos:**
* Colaboración B2B a largo plazo;
* Configuración completamente remota;
* Presupuesto para su seguro médico;
* Licencia por enfermedad remunerada, vacaciones y días festivos;
* Apoyo continuo para el aprendizaje, incluida la financiación ilimitada para certificaciones de AWS.
### **Etapas de la entrevista:**
* Entrevista de reclutamiento;
* Entrevista técnica;
* Entrevista de RR.HH.;
* Entrevista con el responsable del equipo.
Podemos utilizar herramientas de inteligencia artificial (IA) para apoyar partes del proceso de contratación, como la revisión de solicitudes, el análisis de currículums o la evaluación de respuestas. Estas herramientas asisten a nuestro equipo de reclutamiento, pero no sustituyen el juicio humano. Las decisiones finales de contratación son tomadas exclusivamente por personas. Si desea más información sobre cómo se procesan sus datos, contáctenos.
Tiempo completo
Presencial
Bolivar,Bolivar
