Senior MLOps Engineer AWS

Requisitos Técnicos

• 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.

Projects

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.

Objetivos del rol

• 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.

Tecnologías y Servicios Deseables

• 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