Ingeniero/a MLOps y Machine Learning

Buscamos una persona con experiencia comprobable en implementación y despliegue de modelos de Machine Learning, que disfrute trabajar en equipo y que tenga mentalidad de mejora continua. En DSAC Chile nos importa que los modelos no solo funcionen en desarrollo, sino que se operen con calidad en producción, con monitoreo, pruebas y documentación.

• Formación: Ingeniería Civil en Informática, Ingeniería en Informática o carrera afín.
• Experiencia: al menos 2 años implementando y desplegando modelos de Machine Learning.
• Trabajo colaborativo: experiencia trabajando en entornos donde interactúan equipos de Data Science y Data Engineering para llevar soluciones a producción.
• Conocimientos excluyentes: Python, Machine Learning, MLflow, Apache Airflow, SQL y Git.
• Deseables: Google Cloud Platform (GCP), Docker, Kubernetes, CI/CD y MLOps.

Competencias: pensamiento analítico, orientación a resultados, proactividad, trabajo colaborativo, capacidad de resolución de problemas y aprendizaje continuo.

Valoramos especialmente a quien pueda comunicar decisiones técnicas, anticipar riesgos operacionales y mantener un estándar de calidad para que las soluciones permanezcan estables y medibles en el tiempo.

• Implementar, desplegar y mantener modelos de Machine Learning en ambientes productivos, asegurando escalabilidad, confiabilidad y rendimiento.
• Construir y mantener pipelines para entrenamiento, validación y despliegue de modelos, con trazabilidad y controles de calidad.
• Optimizar modelos desarrollados por Data Scientists para que puedan ejecutarse correctamente en producción (rendimiento, latencia, estabilidad y criterios de liberación).
• Ejecutar pruebas funcionales y realizar ajustes para asegurar el correcto funcionamiento de los modelos, incluyendo validaciones en distintos escenarios.
• Colaborar con Data Science y Data Engineering en la integración de soluciones basadas en datos, alineando dependencias, formatos, versionado y requisitos de operación.
• Monitorear y mantener modelos en producción, garantizando disponibilidad, estabilidad y performance a lo largo del tiempo.
• Documentar procesos, implementaciones y buenas prácticas técnicas, facilitando el mantenimiento y la continuidad del conocimiento.
• Experiencia con Google Cloud Platform (GCP) para despliegues y operación de servicios.
• Conocimiento y uso de Docker y Kubernetes para empaquetar, orquestar y escalar componentes.
• Aplicación de CI/CD para automatizar pruebas, integración y liberaciones.
• Experiencia práctica en MLOps (operación completa del ciclo de vida del modelo: versionado, monitoreo, reproducibilidad y gobernanza técnica).

Estas habilidades te ayudarán a impulsar la eficiencia del proceso end-to-end y a mejorar la confiabilidad de los despliegues en entornos productivos.