Resumen: Buscamos un ingeniero para construir y ejecutar sistemas de datos, de aprendizaje automático y agentes a gran escala, con especial énfasis en tuberías geoespaciales, aprendizaje automático operativo y marcos modernos de agentes. Aspectos destacados: 1. Construir y ejecutar sistemas de datos, de aprendizaje automático y agentes a gran escala 2. Gestionar el ciclo de vida completo: ingesta, procesamiento, despliegue y supervisión 3. Implementar e integrar sistemas basados en agentes en flujos de trabajo operativos Usted construirá y ejecutará sistemas de datos, de aprendizaje automático y agentes a gran escala. El enfoque está en tuberías geoespaciales, aprendizaje automático operativo y marcos modernos de agentes. Deberá sentirse cómodo gestionando el ciclo de vida completo: ingesta de datos, procesamiento distribuido, desarrollo de modelos, despliegue y supervisión. **Responsabilidades clave:** * Implementar e integrar sistemas basados en agentes en flujos de trabajo operativos. * Construir, desplegar y supervisar modelos de ML/IA en producción (por lotes). * Diseñar, construir y mantener tuberías de datos geoespaciales a gran escala. * Desarrollar servicios de backend y herramientas de ML. * Establecer la observabilidad de las tuberías, modelos y agentes (métricas, seguimiento, alertas). * Colaborar con los equipos de producto y clientes para impulsar los ingresos. **Requisitos** * Amplia experiencia en procesamiento distribuido de datos (Spark, Python, Scala). * Amplia experiencia en la construcción de sistemas de ML en producción (entrenamiento, despliegue, supervisión). * Experiencia con marcos de agentes (LangChain, Asistentes de OpenAI, arquitecturas personalizadas de agentes). * Experiencia con AWS en servicios de datos, computación y ML. * Competencia en CI/CD, infraestructura como código y contenerización. **Deseable:** * Experiencia con grandes conjuntos de datos geoespaciales, formatos y estrategias de indexación. * Experiencia con bases de datos vectoriales, búsqueda o incrustaciones (embeddings). * Experiencia con bases de datos gráficas o espaciales. * Experiencia en el ajuste fino de modelos de LLM. **Qué significa el éxito:** * Tuberías geoespaciales fiables y escalables en funcionamiento en producción. * Modelos de ML/IA desplegados con una supervisión robusta, reentrenamiento automatizado y visibilidad clara. * Flujos de trabajo basados en agentes que mejoren las operaciones internas y externas. * Infraestructura estable, observable y automatizada.