Ml Ops Engineer

OBJETIVO GENERAL DEL PUESTO

Brindar soporte técnico al diseño, desarrollo y mantenimiento de modelos de machine learning que contribuyan a optimizar procesos clave del negocio, como el scoring crediticio, segmentación de usuarios o detección de fraude. El rol busca integrar el conocimiento técnico con una visión práctica del negocio fintech, en un entorno de aprendizaje constante, colaborativo y orientado a resultados.

**Requisitos**:
Lic. o Ing en Sistemas, Físca, Matemáticas, Afin

Deseable Postgrado en Ciencia de Datos, Machine Learning o similar.

HABILIDADES
- Curiosidad técnica: Ganas de aprender, experimentar e investigar nuevos enfoques.
- Pensamiento lógico y analítico: Enfoque riguroso y estructurado: para resolver problemas.
- Comunicación clara Capacidad: para expresar ideas técnicas de forma simple y ordenada.
- Trabajo en equipo: Colaboración proactiva con pares y líderes técnicos.
- Gestión del tiempo: Organización y seguimiento de tareas en entornos ágiles.
- Recepción de feedback: Capacidad para integrar comentarios constructivos en su desarrollo profesional.

CONOCIMIENTOS
- Spark (PySpark o Scala)
- Python (pandas, NumPy, scikit-learn) (Intermedio)
- SQL básico / consultas a bases de datos (Avanzado)
- Modelos de machine learning clásicos (regresión, clasificación, clustering) (Intermedio)
- Limpieza y procesamiento de datos (Intermedio)
- Git y control de versiones (intermedio)
- Fundamentos de APIs y servicios REST (Intermedio)
- Manejo de notebooks (Jupyter, Colab) (Intermedio)
- Conocimientos Intermedios de cloud (AWS/GCP) (Deseable, no obligatorio)
- Inglés técnico intermedio (capaz de leer documentación y artículos).

EXPERIENCIA REQUERIDA:

- Experiência sólida, a menos 2 años, en desarrollo de modelos de machine learning, preferiblemente en riesgo de crédito y fraude.
- Dominio de Spark (PySpark o Scala), incluidas técnicas para manejo de grandes volúmenes de datos.
- Experiência práctica con Databricks, orquestación con Airflow y despliegue de modelos en producción.
- Buen manejo de Python para ML (scikit-learn, MLlib, pandas, numpy).
- Conocimiento de APIs REST para integrar modelos a aplicaciones.
- Prácticas sólidas de desarrollo: control de versiones (Git), testing, documentación y CI/CD (DataOps/ModelOps).
- Experiência monitoreando y manteniendo modelos en producción, incluyendo evaluación continua y reentrenamiento.
- Deseable: conocimientos de ML interpretability, fairness y regulación aplicable a crédito y finanzas.
- Experiência aseguramdo la escalabilidad, disponibilidad y trazabilidad de los modelos desplegados.
- Integración de flujos de ML con servicios core del negocio fintech, empleando bases de datos NoSQL (MongoDB) y APIs RESTful.
- Gestion de entornos en la nube de Microsoft Azure, aprovechando servicios como Azure ML, Azure Kubernetes Service (AKS), Azure DevOps, entre otros.
- Colaboración con equipos de Data Science, Backend y Seguridad
- Realizando pruebas unitarias a los Modelos ML

ACTIVIDADES DEL PUESTO
- Limpieza, transformación y validación de datasets internos o externos.
- Asistir en el entrenamiento y evaluación de modelos supervisados o no supervisados.
- Participar en la experimentación y análisis de métricas de desempeño.
- Contribuir en tareas de integración y testing para la puesta en producción de modelos.
- Aprender a documentar y mantener scripts, notebooks y flujos de trabajo.
- Colaborar en el monitoreo de rendimiento y detección de anomalías en modelos desplegados.
- Registrar logs, métricas y sugerencias de mejora.
- Trabajar con científicos de datos, desarrolladores backend y PMs para comprender los objetivos del negocio.
- Apoyar la generación de insights útiles para la mejora de productos crediticios y procesos operativos.
- Diseñar, construir y mantener pipelines CI/CD para modelos de Machine Learning en entornos de producción.
- Automatizar el entrenamiento, validación, despliegue y monitoreo de modelos ML en un ecosistema de microservicios.
- Implementar soluciones de versionado de datos y modelos (DataOps/ModelOps).
- Asegurar la escalabilidad, disponibilidad y trazabilidad de los modelos desplegados.
- Integrar flujos de ML con servicios core del negocio fintech, empleando bases de datos NoSQL (MongoDB) y APIs RESTful.
- Gestionar entornos en la nube de Microsoft Azure, aprovechando servicios como Azure ML, Azure Kubernetes Service (AKS), Azure DevOps, entre otros.
- Colaborar con equipos de Data Science, Backend y Seguridad para cumplir con estándares regulatorios del sector financiero.

Tipo de puesto: Tiempo completo

Sueldo: $37,000.00 - $50,000.00 al mes

Experiência:

- orquestación con Airflow : 1 año (Obligatorio)
- Despliegue de modelos en producción: 2 años (Obligatorio)
- Gestion de entornos en la nube : 2 años (Obligatorio)

Lugar de trabajo: Empleo presencial