MLOps Engineer

Puesto técnico de ML Ops enfocado en desplegar modelos como servicios en tiempo real y de alta disponibilidad, con énfasis en latencia, rendimiento y escalabilidad. Diseñar infraestructura de despliegue y monitorización.

• Desplegar modelos de ML como APIs fiables y de baja latencia.
• Diseñar y gestionar la infraestructura de despliegue y serving (contenedores, Kubernetes, frameworks como KServe, Triton o BentoML).
• Desarrollar y mantener pipelines CI/CD para modelos y orquestar entrenamiento/reentrenamiento con herramientas como Airflow.

• Más de 4 años de experiencia en infraestructura de ML/MLops o plataformas.
• Conocimientos de Docker, Kubernetes, CI/CD y plataformas cloud (GCP, AWS o Azure).
• Experiencia con herramientas de orquestación (Airflow, Prefect, Kubeflow) y con seguimiento de experimentos (MLflow, Weights & Biases).