Ingeniero de Machine Learning

Importante empresa del rubro Financiero, se encuentra en búsqueda de un perfil de Ingeniero de Machine Learning.

Misión del Cargo
Diseñar, implementar y mantener pipelines de análisis avanzados de clientes, utilizando técnicas de Inteligencia Artificial (IA) y Machine Learning (ML) basadas en entornos cloud.
Este rol abarca la automatización del ciclo completo de desarrollo de modelos, desde la ingesta y preprocesamiento de datos, la creación y entrenamiento de modelos, hasta la implementación y monitoreo de estos modelos en producción.
Además, el MLOps Engineer garantizará la escalabilidad, fiabilidad y eficiencia de los sistemas, utilizando infraestructuras cloud avanzadas, plataformas de Big Data y servicios gestionados de IA."

Principales responsabilidades
Diseñar y construir pipelines de Machine Learning robustos y escalables en plataformas Cloud (AWS, GCP, Azure).
Gestionar el ciclo de vida completo de modelos ML, desde su desarrollo hasta su implementación, mantenimiento y monitoreo.
Principales responsabilidades
Trabajar en colaboración con equipos de Data Science para la creación de modelos predictivos utilizando datos multimodales y asegurar su integración continua.
Mantener un enfoque continuo en la mejora de la eficiencia operativa y la reducción de costos, aprovechando las herramientas y servicios de IA en la nube.


Requisitos
Formación académica: Ingeniería en Informática o electrónica, Ciencia de la Computación, Ingeniería en matemáticas, o carreras afín.

Experiencia en el diseño y construcción de pipelines de Machine Learning robustos y escalables en plataformas Cloud (AWS, GCP, Azure).
Experiencia en gestionar el ciclo de vida completo de modelos ML, desde su desarrollo hasta su implementación, mantenimiento y monitoreo.
Conocimientos en inteligencia artificial, plataformas cloud, analítica avanzada
Conocimientos en algunas herramientas como Google Cloud, Microsoft Azure, SQL, Python, Node JS, Redis, Mongo, GraphQL, Power BI o Looker, CRM Sales Force, OpenAI, Claude, CI/CD, Kubernetes, Dockers, Spark, Airflow, Langchain.


Modalidad de trabajo híbrida, RM.