LLM Infrastructure Engineer

Únete a Hire Hangar y trabaja con empresas globales de rápido crecimiento mientras construyes una carrera a largo plazo.

Título del puesto: LLM Infrastructure Engineer

Ubicación: Remoto

Zona horaria: Zonas horarias de EE.UU. (EST–PST)

Descripción del rol

Buscamos un LLM Infrastructure Engineer con experiencia práctica en la construcción de sistemas que potencian modelos de lenguaje de gran tamaño. Se trata de un puesto a tiempo completo, con enfoque práctico en el diseño, despliegue y escalado de la infraestructura detrás del entrenamiento, ajuste fino e inferencia de modelos. Trabajarás en estrecha colaboración con equipos de machine learning e ingeniería para garantizar que los modelos funcionen de manera confiable, eficiente y rentable en producción. El candidato ideal comprende tanto las demandas de las cargas de trabajo de LLM como los sistemas en la nube necesarios para soportarlos a escala.

Responsabilidades clave

• Diseñar, construir y mantener la infraestructura para entrenamiento, ajuste fino y servicio de modelos de lenguaje de gran tamaño
• Desplegar y escalar servicios de inferencia de LLM con foco en latencia, throughput y confiabilidad
• Gestionar recursos de cómputo GPU y optimizar la programación y utilización de cargas de trabajo
• Construir y mantener pipelines de datos que respalden el entrenamiento y evaluación de modelos
• Implementar monitoreo, registro y alertas para el rendimiento de modelos y la salud del sistema
• Optimizar los costos de infraestructura manteniendo el rendimiento y la disponibilidad
• Automatizar flujos de despliegue utilizando prácticas de infrastructure-as-code y CI/CD
• Colaborar con ingenieros y investigadores de ML para llevar modelos desde la experimentación hasta producción
• Identificar proactivamente cuellos de botella, investigar causas raíz y resolver problemas de infraestructura

Requisitos obligatorios

• Experiencia comprobada en la construcción de infraestructura para modelos de lenguaje de gran tamaño (no negociable)
• Experiencia práctica en el despliegue y servicio de modelos de machine learning en entornos de producción
• Buenas habilidades de programación en Python, con experiencia en desarrollo de sistemas o backend
• Experiencia con herramientas de contenerización y orquestación como Docker y Kubernetes
• Comprensión sólida de sistemas distribuidos, cómputo GPU y optimización de rendimiento
• Excelente inglés escrito y hablado, con un estilo de comunicación claro y profesional
• Debes tener experiencia previa en trabajo remoto, dominar herramientas de colaboración remota (como Slack, Zoom, Google Workspace, Asana o similares) y haber trabajado preferentemente con empresas de EE.UU. o Reino Unido. Las aplicaciones sin esta experiencia no serán consideradas.

Qualificaciones preferidas

• Experiencia sólida en AWS, incluyendo servicios como EC2, EKS, S3 y SageMaker
• Experiencia previa trabajando en una empresa grande o en entornos de ingeniería a escala empresarial
• Conocimiento de frameworks de servicio de LLM como vLLM, TensorRT-LLM o Triton Inference Server
• Experiencia con herramientas de infrastructure-as-code como Terraform o CloudFormation
• Experiencia con frameworks de entrenamiento distribuido como PyTorch Distributed, DeepSpeed o Ray

Herramientas y tecnología

• AWS
• Python
• Docker y Kubernetes
• Terraform o CloudFormation
• PyTorch y frameworks de servicio de LLM
• Herramientas de CI/CD y monitoreo
• Slack, Zoom y otras herramientas de colaboración remota

Por favor, ten en cuenta

Es fundamental que completes el formulario de postulación en su totalidad. Como parte del proceso, se te pedirá que grabes un video. Si tu postulación es exitosa, recibirás un correo electrónico confirmando los siguientes pasos: el video es el primer paso del proceso de entrevista. Si no grabas un video, no podremos considerarte para NINGÚN puesto disponible.

Conectamos a los mejores talentos con empleadores verificados, salarios competitivos y oportunidades reales de crecimiento.