Resumen: Únase a dLocal como Ingeniero Senior de MLOps para construir y operar su plataforma de ML e IA, centrándose en el Feature Store y los flujos de trabajo de MLOps. Aspectos destacados: 1. Construir y evolucionar el Feature Store con pipelines de características en línea y fuera de línea 2. Implementar y mejorar la plataforma MLOps para entrenamiento, servicio e instrumentación 3. Automatizar los flujos de trabajo de MLOps y del Feature Store mediante agentes y servicios de IA ¿Por qué debería unirse a dLocal? dLocal permite que las mayores empresas del mundo cobren pagos en 40 países de mercados emergentes. Marcas globales confían en nosotros para aumentar las tasas de conversión y simplificar sin esfuerzo la expansión de pagos. Al actuar tanto como procesador de pagos como comerciante registrado donde operamos, hacemos posible que nuestros comerciantes ingresen a los mercados emergentes de más rápido crecimiento del mundo. Al unirse a nosotros, formará parte de un increíble equipo global que lo hace posible. Ser parte de dLocal significa trabajar con más de 1000 compañeros de más de 30 nacionalidades distintas y desarrollar una carrera internacional que impacta diariamente la vida de millones de personas. Somos constructores, nunca huimos de un desafío, somos centrados en el cliente y, si esto le suena familiar, sabemos que prosperará en nuestro equipo. **¿Cuál es la oportunidad?** Como **Ingeniero Senior de MLOps en dLocal**, usted será un contribuyente individual clave en el equipo que **construye y opera nuestra plataforma de ML e IA**, con un fuerte enfoque en el **Feature Store** y los **flujos de trabajo de MLOps**. Usted implementará y evolucionará los componentes que los equipos de Ciencia de Datos e IA utilizan diariamente para llevar modelos y servicios impulsados por IA desde la idea hasta la producción: pipelines de características, flujos de trabajo de entrenamiento e implementación, instrumentación y automatización. Una parte fundamental de este rol consiste en **utilizar agentes y servicios de IA para automatizar lo más posible nuestras actividades de MLOps**, desde operaciones del Feature Store y de la plataforma hasta flujos de trabajo de fraude/anomalías y optimización de costos de ML, trabajando codo a codo con el Equipo de IA y el Referente Técnico de MLOps. ### **¿Qué haré?** ### **1\. Construcción y evolución del Feature Store** * Implementar y mantener **pipelines de características en línea y fuera de línea** que alimenten nuestro Feature Store empresarial, combinando: + **Trabajos de streaming basados en Flink** que ingieren grandes volúmenes de eventos provenientes de múltiples fuentes (pagos, fraude, anomalías, etc.) hacia tiendas en línea. + **Pipelines de Databricks / Spark** para el cálculo de características fuera de línea, rellenados retrospectivos (backfills) y conjuntos de datos para entrenamiento. * Garantizar: + Corrección puntual en el tiempo para entrenamiento y pruebas retrospectivas (backtesting) fuera de línea. + Servicio de características en línea de baja latencia y alto rendimiento, con SLA claros, semántica de TTL y seguridad multiinquilino. * Contribuir al **catálogo y especificaciones de características**: + Definir entidades, vistas de características, esquemas, SLA, clasificación de datos personales identificables (PII) y propietarios. + Ayudar a científicos de datos y equipos de dominio a incorporar nuevas características de forma segura y coherente entre Flink y Databricks. * Desarrollar herramientas para: + **Coordinación de rellenados retrospectivos (backfills) y materialización** entre Flink y Databricks (Lakehouse / Delta). + **Verificaciones de paridad entre fuera de línea y en línea**, monitoreo de calidad de datos, derivación (drift) y actualidad (freshness) para grupos críticos de características. + API unificadas de recuperación de características (en línea/fuera de línea/lote) y uso de SDK/CLI desde modelos y servicios. ### **2\. Implementación de la plataforma MLOps (entrenamiento, servicio, instrumentación)** * Implementar y mejorar **pipelines de entrenamiento y evaluación**: + Flujos de trabajo reproducibles, seguimiento de experimentos e integración con registro de modelos. + Flujos de promoción desde entornos de desarrollo y prueba hasta producción, siguiendo los estándares de la plataforma. * Trabajar en **rutas de inferencia en línea y por lotes**: + Empaque y despliegue de modelos. + Estrategias de lanzamiento (canary, shadow, reversión) alineadas con SRE/Infraestructura. * Instrumentar pipelines y servicios con **métricas, registros y trazas**: + Integración con nuestra pila de observabilidad (por ejemplo, OTel, Coralogix). + Exposición de paneles y alertas para componentes de ML (latencia, errores, derivación, actualidad). ### **3\. Automatización asistida por IA para MLOps y el Feature Store** * Integrar y extender **agentes y servicios de IA** (desarrollados por el Equipo de IA y MLOps) para automatizar partes clave de los **flujos de trabajo del Feature Store y de MLOps** (verificaciones de estado, análisis de derivación y calidad, documentación/especificaciones, triage de incidencias, sugerencias de FinOps, etc.). * Diseñar estas automatizaciones con **líneas rojas claras**: observables, auditables y fáciles de revertir, manteniendo siempre el control humano sobre las decisiones en producción. ### **4\. Confiabilidad, seguridad y cumplimiento en la práctica** * Implementar cambios que respeten los estándares de la plataforma en torno a: + Control de acceso, gestión de secretos y manejo de datos personales identificables (PII) en características y modelos. + Separación de entornos y gestión de cambios para componentes de ML/IA. * Participar en **turnos de guardia (on-call)** o rutas de escalación para pipelines de ML e infraestructura de características: + Diagnosticar y resolver incidencias. + Contribuir mejoras a manuales de procedimientos (playbooks), paneles y pruebas. ### **5\. Colaboración y contribución técnica** * Trabajar estrechamente con: + El **Referente Técnico de MLOps**, para alinear arquitectura y dirección técnica. + Los **escuadrones de Ciencia de Datos y el Equipo de IA**, para comprender requisitos y desbloquear casos de uso. + Los **escuadrones de Fraude, Anomalías y otros productos**, como consumidores de características y modelos. * Contribuir a **documentación interna, RFCs, ejemplos y guías de incorporación**, para que otros ingenieros y científicos de datos adopten la plataforma más fácilmente. * Mentorizar a ingenieros de nivel intermedio en buenas prácticas relacionadas con pipelines, pruebas, observabilidad y automatización. ### **¿Qué habilidades necesito?** ### **Imprescindibles** * Experiencia sólida como **Ingeniero Senior** trabajando en: + MLOps, plataformas de datos o sistemas backend/distribuidos a gran escala. * Experiencia práctica con tecnologías de **big data / streaming** (por ejemplo, Spark, Flink, Kafka, Kinesis o similares). * Trayectoria comprobada construyendo **pipelines de ML en producción**: + Seguimiento de experimentos y flujos de entrenamiento reproducibles. + CI/CD para modelos y pipelines de datos. + Inferencia en línea y por lotes a escala. * Familiaridad con **plataformas de ML basadas en la nube** e implementaciones contenerizadas (por ejemplo, Databricks, SageMaker, Vertex AI o equivalentes). * Comprensión sólida de **observabilidad**: + Métricas, registros y trazas. + Verificaciones de derivación (drift), actualidad (freshness) y calidad de datos y modelos. * Capacidad para escribir código limpio y mantenible y colaborar mediante revisiones, documentos de diseño y sesiones de programación en pareja. * Capacidad para comunicarse cómodamente con **científicos de datos, ingenieros de ML e Infra/SRE**, traduciendo requisitos en soluciones técnicas concretas. ### **Deseables** * Experiencia trabajando con o alrededor de **Feature Stores** (Feast, Databricks Feature Store, implementaciones personalizadas, etc.). * Exposición a **modelos de lenguaje grande (LLM), agentes y asistentes de IA**, especialmente aplicados a: + Productividad del desarrollador (copilotos de código/infraestructura). + Análisis de registros/métricas/incidencias o generación de documentación. * Experiencia en entornos de **fintech, riesgo, fraude o detección de anomalías**. * Contribuciones a **estándares internos, RFCs, manuales operativos (runbooks) o charlas técnicas**. ¿Qué ofrecemos? Además de los beneficios personalizados que tenemos para cada país, dLocal lo ayudará a prosperar y dar ese paso extra ofreciéndole:* Flexibilidad: contamos con horarios flexibles y nos guiamos por el desempeño. * Industria fintech: trabaje en un entorno dinámico y en constante evolución, con mucho por construir y potenciar su creatividad. \- Programa de bonos por referidos: nuestros talentos internos son los mejores reclutadores \- refiera a alguien ideal para un puesto y reciba una recompensa.* Aprendizaje y desarrollo: obtenga acceso a una suscripción Premium a Coursera. * Clases de idiomas: ofrecemos clases gratuitas de inglés, español o portugués. * Presupuesto social: recibirá un presupuesto mensual para relajarse con su equipo (presencial o remoto) y fortalecer sus vínculos. * Casas dLocal: ¿quiere alquilar una casa para pasar una semana en cualquier lugar del mundo trabajando junto con su equipo? ¡Lo tenemos cubierto! **Flexibilidad en su forma de trabajar:** Nos enfocamos en el impacto y la productividad más que en horas fijas. Esto significa que nuestros equipos tienen horarios flexibles y, según su rol y ubicación, combinarán momentos de concentración autogestionada con encuentros presenciales en nuestros centros de colaboración. ¿Qué sucede después de postularse? Nuestro equipo de Adquisición de Talento está comprometido con crear la mejor experiencia posible para los candidatos, así que no se preocupe: definitivamente recibirá noticias nuestras. Revisaremos su CV y le mantendremos informado por correo electrónico en cada etapa del proceso. También puede visitar nuestra página web, LinkedIn y YouTube para conocer más sobre dLocal. 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.