MLOps Engineer Senior AWS & SageMaker

Requerimientos del cargo

● Perfil Senior.
● Mínimo 4 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.
● 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 ML.
● Experiencia en despliegue de modelos y operación de plataformas MLOps.
● Conocimiento en infraestructura como código, idealmente con CloudFormation, Terraform o
herramientas equivalentes.
● Experiencia en prácticas CI/CD aplicadas a machine learning, idealmente con GitHub Actions,
CodePipeline o herramientas similares.
● Conocimiento en almacenamiento y procesamiento de datos con servicios como S3, Lambda,
Step Functions, EventBridge, Glue, Athena, RDS o equivalentes.
● Conocimiento en monitoreo y observabilidad con CloudWatch, logs, métricas y alertas.
● Manejo sólido de Python y SQL.
● Conocimiento en versionamiento de código, datasets, modelos y artefactos de machine
learning.
●Formación Título profesional en Ingeniería Informática, Ingeniería Civil en Computación, Ciencia de Datos, Matemáticas, Estadística o carrera afín.

Projects

En Coderslab.io, ayudamos a las empresas a transformar y hacer crecer sus negocios mediante soluciones tecnológicas innovadoras. Formarás parte de una organización con más de 3.000 empleados en todo el mundo, con oficinas en Latinoamérica y Estados Unidos. Buscamos un MLOps Engineer Senior con experiencia sólida en Amazon Web Services (AWS) y conocimiento experto en Amazon SageMaker, capaz de diseñar, implementar y operar plataformas de machine learning escalables, seguras y productivas. La posición será responsable de industrializar el ciclo de vida de modelos analíticos y de inteligencia artificial, habilitando entrenamiento, validación, despliegue, monitoreo, reentrenamiento y gobierno de modelos en ambientes empresariales.

Funciones del cargo

● 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.

Condiciones

Modalidad de contratación: Prestación de Servicios

Opcionales

● 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

Certificaciones deseables
● AWS Certified Cloud Practitioner
● AWS Certified Solutions Architect - Associate
● AWS Certified Data Engineer - Associate
● AWS Certified Machine Learning - Specialty o certificación equivalente vigente
● Certificaciones complementarias en DevOps, MLOps o plataformas de datos