Directo de la empresahace 11 días
Databricks MLOps Engineer
Solvd
Remoto · Tiempo completo
Senior7+ años
Este aviso fue publicado originalmente en inglés, así que es probable que necesites inglés para este puesto. La descripción puede estar traducida automáticamente al español; ante la duda, revisá el aviso original con el botón de postularte.
Empresa de consultoría y servicios tecnológicos busca Ingeniero MLOps para diseñar, construir y operar infraestructura cloud-native para cargas de trabajo de IA y datos a escala, con foco en Databricks y AWS Bedrock.
Por qué aplicar
Si te copa la IA y querés diseñar y operar infraestructura cloud para modelos a escala, este puesto es para vos. Vas a trabajar con Databricks y AWS Bedrock en una consultora tecnológica en crecimiento.
Descripción del puesto
Solvd Inc. es una consultora y proveedora de servicios de tecnología nativa de IA en rápido crecimiento, que impulsa la transformación empresarial en áreas como cloud, datos, ingeniería de software e inteligencia artificial. Trabajamos con organizaciones líderes en la industria para diseñar, construir y operar soluciones tecnológicas que generan resultados comerciales medibles. Tras la adquisición de Tooploox, una empresa líder en IA y desarrollo de productos, Solvd ahora ofrece una entrega integral, desde asesoramiento estratégico y diseño de soluciones hasta desarrollo de IA a medida e implementación a escala empresarial. Nuestros centros de capacidad combinan profunda experiencia técnica, metodologías de entrega probadas y conocimiento sectorial específico para abordar desafíos empresariales complejos de manera rápida y eficaz. Buscamos un Ingeniero MLOps Databricks para diseñar, construir y operar infraestructura nativa de la nube que potencie cargas de trabajo de IA y datos a escala. Trabajarás en la intersección de la ingeniería de plataformas y la IA, construyendo pipelines, flujos de trabajo de implementación y capas de observabilidad que hagan que los modelos de machine learning sean confiables, rentables y listos para producción. Este es un rol de ingeniería práctico. Escribirás infraestructura como código, construirás pipelines de datos, integrarás LLMs en sistemas de producción y colaborarás estrechamente con ingenieros de IA y datos para mantener el rendimiento de la plataforma a medida que crecen las cargas de trabajo. QUÉ HARÁS - Diseñar, implementar y mantener una plataforma nativa de la nube para soportar cargas de trabajo de IA y datos, con foco en Databricks y AWS Bedrock. - Construir y gestionar pipelines de datos escalables para ingerir, transformar y servir datos para casos de uso de ML y analítica. - Desarrollar infraestructura como código utilizando CloudFormation y AWS CDK para asegurar implementaciones repetibles y seguras. - Integrar modelos de IA y LLMs en sistemas de producción, incluyendo arquitecturas RAG y flujos de trabajo de serving de modelos. - Impulsar las mejores prácticas de observabilidad —monitoreo, alertas y logging en plataformas de IA. - Colaborar con ingenieros de IA, ingenieros de datos y equipos de plataforma para mejorar el rendimiento, la confiabilidad y la eficiencia de costos de los modelos en producción. - Contribuir al diseño y evolución de la plataforma de IA para soportar nuevos frameworks de ML, flujos de trabajo y tipos de datos. - Mantenerse actualizado con herramientas emergentes y recomendar mejoras en la arquitectura y operaciones. CALIFICACIONES BÁSICAS - Más de 7 años de experiencia profesional en ingeniería de software e infraestructura. - Amplia experiencia en la construcción y mantenimiento de infraestructura de IA/ML en producción —implementación de modelos, gestión del ciclo de vida y flujos de trabajo de serving. - Experiencia a nivel de producción con Databricks y MLflow —registro de modelos, versionado, asset bundles y serving. - Sólido conocimiento de AWS e infraestructura como código, con experiencia específica en AWS CDK. - Habilidades de codificación a nivel experto tanto en Python como en TypeScript —construcción de APIs robustas y servicios backend. - Sólida comprensión de la contenerización con Docker y experiencia práctica en pipelines CI/CD. - Capacidad demostrada para diseñar infraestructura confiable, segura y escalable para cargas de trabajo de ML en tiempo real y batch. - Sólidas habilidades de comunicación y colaboración —capacidad para articular decisiones técnicas claramente tanto a stakeholders técnicos como no técnicos. CALIFICACIONES PREFERIDAS - Familiaridad con DSPy o frameworks de orquestación de LLMs similares para pipelines de prompts programáticos. - Experiencia con monitoreo de costos de LLM, optimización de latencia y analítica de uso en producción. - Conocimiento de bases de datos vectoriales y stores de embeddings —OpenSearch o similar— para soportar búsqueda semántica y arquitecturas RAG. - Experiencia con ECS u otras herramientas de orquestación de contenedores. Al unirte a Solvd, podrás… - Dar forma a proyectos reales impulsados por IA en industrias clave, trabajando con clientes desde la innovación de startups hasta la transformación empresarial. - Ser parte de un equipo global con igualdad de oportunidades para la colaboración entre continentes y culturas. - Prosperar en un entorno inclusivo que prioriza el aprendizaje continuo, la innovación y los estándares éticos de IA. ¿Listo para generar un impacto? Si te entusiasma construir cosas que importan, defender la IA responsable y crecer junto a algunas de las mentes más agudas de la industria. Postúlate hoy y construyamos juntos. Solvd es un empleador que ofrece igualdad de oportunidades.
Responsabilidades
- Diseñar, implementar y mantener plataforma cloud-native para cargas de trabajo de IA y datos
- Construir y gestionar pipelines de datos escalables
- Desarrollar infraestructura como código
- Integrar modelos de IA y LLMs en sistemas de producción
- Impulsar mejores prácticas de observabilidad
- Colaborar con ingenieros de IA y datos
- Contribuir al diseño y evolución de la plataforma de IA
- Mantenerse actualizado con herramientas emergentes
Habilidades
Construcción y mantenimiento de infraestructura AI/ML en producciónCiclos de vida de modelosOrquestación de pipelines de datosInfraestructura como códigoCI/CDDespliegue de modelosObservabilidad de plataformas de IAComunicación y colaboraciónComunicaciónColaboración