Buscamos un MLOps Engineer para formar parte de un equipo que impulsa soluciones de Machine Learning e Inteligencia Artificial a gran escala. La posición tendrá un rol clave en el despliegue, monitoreo, soporte y evolución continua de modelos y aplicaciones de IA en entornos productivos, trabajando junto a equipos multidisciplinarios y promoviendo las mejores prácticas de MLOps, automatización, observabilidad y seguridad.

Principales responsabilidades:

Gestionar el ciclo de vida completo de modelos y aplicaciones de Machine Learning e IA, desde el despliegue hasta la operación en producción.
mplementar estrategias de despliegue seguro (Canary, Blue/Green, Rollback) utilizando contenedores y herramientas de automatización.
Administrar y optimizar ambientes de desarrollo, testing y producción, tanto en infraestructura Cloud como On-Premise.
Brindar soporte de segundo nivel a aplicaciones de IA, analizando incidentes y asegurando la continuidad operativa.
Implementar monitoreo y alertas sobre performance, disponibilidad, drift de modelos, calidad de datos y resultados mediante herramientas de observabilidad.
Diseñar e implementar pipelines de CI/CD para modelos y aplicaciones de Machine Learning.
Gestionar el versionado de modelos, datasets y artefactos, garantizando trazabilidad, reproducibilidad y gobierno del ciclo de vida de los modelos.
Velar por la seguridad, compliance y gestión de accesos, credenciales y vulnerabilidades dentro del ecosistema de IA.
Participar en la definición de buenas prácticas de MLOps, automatización y mejora continua.
Colaborar con equipos de Data Science, Ingeniería y Producto para optimizar el rendimiento y evolución de las soluciones implementadas.

Requisitos

Experiencia de al menos 3 años en posiciones de MLOps, DevOps orientado a Machine Learning o DataOps.
Dominio de Python y Bash.
Experiencia trabajando con contenedores (Docker) y herramientas de automatización e integración continua (GitHub Actions, GitLab CI/CD, Jenkins o similares).
Conocimientos sólidos de infraestructura Cloud (AWS, GCP o equivalentes).
Experiencia con herramientas de monitoreo y observabilidad como Grafana, Datadog, Prometheus o similares.
Experiencia utilizando herramientas de gobierno y versionado de modelos como MLflow, DVC, Vertex AI o equivalentes.
Conocimientos de Terraform o herramientas de Infrastructure as Code.
Manejo de Git y Jira (o herramientas similares).

Será un plus si además contás con

Experiencia participando en proyectos de Inteligencia Artificial Generativa.
Conocimientos de Kubernetes, Helm o herramientas de orquestación.
Experiencia con frameworks de GenAI como LangChain, Hugging Face o similares.
Conocimientos de herramientas como Kubeflow, SageMaker, Vertex AI, Feast, Airflow, Prefect o equivalentes.
Experiencia construyendo agentes de IA (deseable)