**Perfil buscado:** * 2\+ años de experiencia construyendo y manteniendo infraestructura o plataformas de ML en entornos de producción. * Demostrada capacidad para llevar modelos de ML desde la experimentación hasta el despliegue, utilizando las mejores prácticas de MLOps. * Experiencia colaborando con científicos de datos, ingenieros de ML y equipos de backend en proyectos multifuncionales. **Conocimientos técnicos:** * Dominio de Python y herramientas esenciales de ML (por ejemplo, MLflow, Kubeflow, Airflow, Docker, Git). * Conocimiento de frameworks de entrenamiento de modelos como PyTorch, ONNX o scikit\-learn. * Experiencia con pipelines de CI/CD adaptados a sistemas de ML (por ejemplo, validación de modelos, control de versiones de artefactos). * Capacidad para gestionar infraestructura mediante servicios en la nube (GCP, AWS) y plataformas de orquestación de contenedores (por ejemplo, Kubernetes). * Sólidas habilidades en depuración y ajuste de rendimiento en capas de datos, modelos e infraestructura. **Atributos adicionales (deseables):** * + Experiencia práctica con Databricks o entornos de cómputo distribuido similares. + Conocimiento de herramientas de ingeniería de datos y orquestación de flujos de trabajo (Spark, dbt, Prefect). + Conocimiento de pilas de monitoreo y observabilidad (Prometheus, Grafana, OpenTelemetry) para sistemas de ML. + Experiencia en despliegues de ML con cumplimiento regulatorio (registros de auditoría, reproducibilidad, estrategias de reversión). **Descripción del proyecto y entregables:** **Descripción del proyecto** * Diseñarás e implementarás una infraestructura robusta que permita flujos de trabajo de aprendizaje automático escalables, confiables y reproducibles. Optimizarás el ciclo de vida de los modelos de ML, desde la experimentación hasta el despliegue, asegurando que nuestros sistemas sean de calidad productiva y preparados para el futuro. **Entregables:** * Construir infraestructura de ML escalable: Arquitectar, desplegar y mantener pipelines y herramientas que soporten el control de versiones, entrenamiento, pruebas y despliegue de modelos de aprendizaje automático en diversos entornos. * Conectar investigación y producción: Trabajar estrechamente con investigadores de ML, científicos de datos e ingenieros de backend para convertir prototipos en servicios y APIs eficientes y listos para producción. * Enfocarse en automatización y fiabilidad: Implementar sistemas de integración continua, monitoreo de modelos, autoescalado y recuperación ante fallos, con fuerte énfasis en observabilidad y excelencia operativa. * Optimizar recursos en la nube: Optimizar recursos de cómputo en entornos cloud e híbridos (por ejemplo, GCP, AWS, on\-prem), reduciendo latencia y costos mientras se mantiene una alta confiabilidad. * Documentar buenas prácticas: Documentar las mejores prácticas en metodologías de MLOps, como control de versiones de modelos, reproducibilidad, seguimiento de metadatos y linaje de experimentos. **Importante:** Todos los candidatos deben aprobar una entrevista como parte del proceso de contratación. Ofrecemos un rango salarial de $30\+ por hora, siendo la tarifa exacta determinada tras evaluar tu experiencia, conocimientos y ubicación geográfica. Las ofertas finales pueden variar respecto al rango indicado. Como contratista deberás proporcionar tu propio equipo seguro y conexión a internet de alta velocidad; no aplican beneficios patrocinados por la empresa, como seguro médico ni tiempo libre pagado (PTO). Buscamos consultores independientes y contratistas que dirijan u operen su propio negocio