Machine Learning Engineer - Stefanini - Nacional

Ingeniero/a de Aprendizaje Automático con sólida experiencia en la implementación de modelos de Ciencia de Datos en producción. El/La candidato/a será responsable de construir, validar, implementar y monitorizar la infraestructura que soporta el ciclo de vida del modelo, trabajando en colaboración con el equipo de Científicos de Datos.

Este puesto requiere un perfil con mentalidad de ingeniería de software aplicada al aprendizaje automático: no basta con entrenar modelos; se requiere experiencia real en la operación de pipelines automatizados, la gestión de entornos reproducibles y la garantía de que los sistemas de producción estén monitorizados y sean fiables.

Requisitos y calificaciones
Experiencia recomendada
2 o más años de experiencia en ingeniería de aprendizaje automático, ingeniería de datos o ingeniería de software.
Puestos de ingeniería con enfoque en sistemas de aprendizaje automático o en ciencia de datos.
Puestos con una sólida orientación a la ingeniería y al ciclo de vida completo del modelo (incluyendo experimentación, control de versiones, monitorización y automatización de pipelines).
Modelos implementados en producción con pipelines automatizados documentados (no solo prototipos o cuadernos).
Experiencia colaborando con científicos de datos para recibir experimentos y convertirlos en sistemas de producción.
Experiencia laboral en repositorios de código reales (se valorará un portafolio compartible).
Experiencia en entornos ágiles (Scrum, Kanban). (Deseable)

Formación académica
Licenciatura o maestría en: Ciencias de la Computación, Ingeniería de Software, Matemáticas, Matemáticas Aplicadas, Ingeniería Mecánica o campos relacionados.

Responsabilidades y asignaciones
Fundamentos técnicos
Dominio avanzado de Python como lenguaje de desarrollo principal y único.
Programación orientada a objetos: diseño e implementación de clases bien estructuradas; no solo scripting.
Conocimiento funcional de bibliotecas de aprendizaje automático (Scikit-Learn, XGBoost, LightGBM, TensorFlow, PyTorch) orientadas al empaquetado y la distribución de modelos.
Manejo avanzado de datos tabulares con Polars; procesamiento distribuido con PySpark.
SQL avanzado y manejo de datos en los ecosistemas Hadoop/Hive.
Conexiones de datos desde Python: SQLAlchemy, ODBC/JDBC.
MLOps e infraestructura
Experiencia en la creación y operación de pipelines de aprendizaje automático automatizados: entrenamiento, validación y despliegue.
Manejo de MLflow o herramienta equivalente para el seguimiento de experimentos y el registro de modelos.
Contenerización con Docker: creación de imágenes para entrenamiento y distribución.
Control de versiones de datos y modelos con DVC o equivalente.
Nube: GCP (Vertex AI, GCS, Artifact Registry) y Azure (Azure ML, Blob Storage, ACR).
Experiencia en la implementación de CI/CD para proyectos de aprendizaje automático.
Experiencia en la monitorización de modelos en producción: detección de degradación, alertas y respuesta.
Orquestación con Apache Airflow: diseño de DAG, operadores, gestión de dependencias y alertas. (Deseable)
Disciplina de desarrollo
Uso profesional de Git: el candidato debe demostrar un historial de trabajo disciplinado, no solo conocimiento de comandos.
Experiencia en la escritura de pruebas automatizadas (Pytest) para pipelines de datos y transformaciones.
Gestión segura de credenciales y secretos en proyectos de aprendizaje automático.
Capacidad para definir, comunicar e impulsar la adopción de estándares y mejores prácticas entre otros perfiles del equipo, garantizando una entrega de calidad.
Evaluación de la IA
Uso responsable de las herramientas de IA generativa como asistentes de desarrollo, con la capacidad de auditar el código que producen.

Información Adicional:
Notas para la búsqueda
El proceso de selección incluye una evaluación técnica práctica y una revisión del trabajo previo del candidato.
Se valorará la capacidad para identificar problemas en el código existente y proponer soluciones, no solo la capacidad de generar código nuevo.
No buscamos perfiles con conocimientos superficiales de herramientas: buscamos candidatos que puedan operar y tomar decisiones de diseño justificadas en un entorno real de producción.
El puesto implica definir y hacer cumplir los estándares técnicos del equipo; se espera liderazgo técnico en este aspecto.

Ofrecemos:
- Planilla