Senior MLOps Engineer AWS

Experiencia experta en Amazon SageMaker, incluyendo entrenamiento, procesamiento, pipelines, endpoints, batch transform, model registry y monitoreo.
Experiencia sólida en AWS, idealmente en ambientes empresariales y productivos.
Conocimiento en automatización y orquestación de workflows de machine learning.
Experiencia en despliegue de modelos y operación de plataformas MLOps.
Conocimiento en infraestructura como código (CloudFormation, Terraform o herramientas equivalentes).
Experiencia en prácticas CI/CD aplicadas a machine learning.
Conocimiento en almacenamiento y procesamiento de datos utilizando servicios AWS.
Conocimiento en monitoreo y observabilidad mediante CloudWatch, logs, métricas y alertas.
Manejo sólido de Python y SQL.
Conocimiento en versionamiento de código, datasets, modelos y artefactos de machine learning.

Experiencia Requerida
Perfil Senior.
Mínimo 3 años de experiencia en roles de MLOps, Machine Learning Engineering, Data Engineering o posiciones similares.
Experiencia comprobable llevando modelos de machine learning a producción en entornos AWS.
Deseable experiencia trabajando con equipos de ciencia de datos y plataformas de datos empresariales.

Habilidades Blandas
Pensamiento analítico y orientación a resolución de problemas complejos.
Capacidad para diseñar plataformas robustas y escalables.
Buenas habilidades de comunicación y colaboración con equipos multidisciplinarios.
Autonomía, proactividad y foco en excelencia operativa.
Orientación a calidad, automatización, seguridad y mejora continua.

Diseñar, implementar y operar plataformas MLOps escalables sobre AWS.
Industrializar el ciclo de vida de modelos analíticos y de inteligencia artificial.
Habilitar procesos de entrenamiento, validación, despliegue, monitoreo y reentrenamiento de modelos.
Implementar prácticas de automatización, gobierno y observabilidad para entornos productivos de machine learning.
Asegurar plataformas robustas, seguras, trazables y eficientes para la operación de modelos en producción.
Colaborar con equipos de Data Science, Data Engineering y Cloud Engineering para acelerar la adopción de IA en ambientes empresariales.

Responsabilidades
Diseñar, implementar y mantener pipelines MLOps sobre AWS para entrenamiento, validación, despliegue y monitoreo de modelos.
Construir y operar soluciones productivas utilizando Amazon SageMaker y servicios complementarios de AWS.
Automatizar flujos de machine learning para experimentación, versionamiento, aprobación, publicación y reentrenamiento de modelos.
Implementar buenas prácticas de CI/CD y CT/CD para modelos, código, datasets y artefactos asociados.
Desplegar modelos en ambientes de inferencia batch y real-time asegurando escalabilidad, trazabilidad y alta disponibilidad.
Definir mecanismos de monitoreo de performance, drift, calidad de datos y estabilidad operacional de los modelos.
Integrar pipelines de datos y machine learning con servicios de almacenamiento, procesamiento, eventos y observabilidad en AWS.
Colaborar con Data Scientists, Data Engineers, Cloud Engineers y equipos de negocio para llevar modelos a producción de forma robusta.
Asegurar estándares de seguridad, gobierno, control de accesos, auditoría y eficiencia de costos en plataformas de ML.
Documentar procesos, arquitecturas, flujos de despliegue, estándares y procedimientos operacionales.

Una empresa tecnológica privada busca incorporar un/a MLOps Engineer Senior para trabajar en un proyecto estratégico con uno de sus clientes en la región.
El candidato seleccionado será responsable de diseñar, implementar y operar plataformas de machine learning escalables, seguras y productivas sobre AWS, industrializando el ciclo de vida completo de modelos analíticos e inteligencia artificial.
La posición es 100% remota, en modalidad contratista independiente, y está abierta a profesionales de cualquier país de Latinoamérica.

Amazon SageMaker
Amazon S3
AWS Lambda
AWS Step Functions
Amazon EventBridge
AWS Glue
Amazon Athena
Amazon RDS
Amazon ECR
AWS IAM
Amazon CloudWatch
AWS CloudFormation o Terraform
GitHub Actions o herramientas equivalentes de CI/CD
Docker