DecisionPoint | Cortek

28 oct 2026

Ingeniero/a de IA/ML y MLOps (Senior)

RemotoEstados Unidos

Chicago, Illinois, United States

AWSDockerKubernetes

Traducción automática. Consulta el original.

Descripción general

DecisionPoint busca un/a Ingeniero/a de IA/ML y MLOps Senior para crear, desplegar, supervisar, mantener y gobernar capacidades de machine learning en producción que den soporte al programa ENLIST de USMEPCOM.

Este puesto se encargará de mantener los conjuntos de datos de entrenamiento, validación y prueba; desarrollar canalizaciones automatizadas de despliegue de modelos; supervisar los modelos desplegados; detectar desviaciones en los datos y en los modelos; y controlar las actualizaciones de los modelos, conjuntos de datos, configuraciones y servicios de soporte en producción. El/la ingeniero/a implementará procesos repetibles, trazables y seguros para promover las capacidades de machine learning desde el desarrollo hasta las pruebas y su puesta en producción.

El/la Ingeniero/a de IA/ML y MLOps Senior trabajará con científicos de datos, ingenieros de datos, arquitectos de la nube, desarrolladores de software, personal de ciberseguridad, evaluadores, equipos de operaciones y propietarios de misiones gubernamentales. El/la candidato/a seleccionado/a debe ser capaz de combinar la ingeniería de machine learning con la automatización del despliegue, la supervisión, el control de versiones, la planificación de reversiones y la gobernanza de modelos y datos.

Este puesto es remoto, aunque se dará preferencia a los candidatos del área de Chicago.

Habilidades

Nota: Al presentar su candidatura a este puesto, usted reconoce y acepta que su currículum sea incluido en una licitación de contrato gubernamental competitiva y activa.

Operaciones y gestión del ciclo de vida de Machine learning.

Mantenimiento de conjuntos de datos de entrenamiento, validación y prueba.

Canalizaciones automatizadas de despliegue de modelos.

Supervisión de modelos en producción.

Detección de desviaciones de modelos y datos.

Evaluación de modelos y análisis de rendimiento.

Control de versiones y gestión de configuraciones.

Planificación de reversión y recuperación.

Gobernanza de modelos y datos.

Plataformas de ML en la nube y canalizaciones de datos seguras.

Pruebas automatizadas y validación de lanzamientos.

Resolución de problemas en producción y respuesta a incidentes.

Documentación técnica y comunicación con las partes interesadas.

Colaboración entre equipos de datos, software, nube, seguridad, pruebas, misión y operaciones.

Nuestra política de igualdad de oportunidades en el empleo

Política de EEO y Acción Afirmativa: DecisionPoint Corporation es un empleador que ofrece igualdad de oportunidades en el empleo y aplica la acción afirmativa. Es política de DecisionPoint Corporation proporcionar igualdad de oportunidades en el empleo de acuerdo con todas las leyes, directivas y reglamentos aplicables de Igualdad de Oportunidades en el Empleo/Acción Afirmativa a todos los empleados y candidatos cualificados, sin distinción de raza, etnia, color, religión, origen nacional, sexo, edad, estado de discapacidad, embarazo, orientación sexual, identidad de género, información genética, estado de veterano protegido o cualquier otro estado protegido por las leyes federales, estatales o locales.

Política de transparencia salarial: De acuerdo con la Orden Ejecutiva Presidencial 13665, DecisionPoint Corporation no despedirá ni discriminará de ninguna otra manera a los empleados o candidatos porque hayan preguntado, discutido o revelado su propio salario o el salario de otro empleado o candidato. Sin embargo, los empleados que tengan acceso a la información salarial de otros empleados o candidatos como parte de sus funciones laborales esenciales no pueden revelar el salario de otros empleados o candidatos a personas que no tengan acceso a dicha información salarial, a menos que la divulgación sea (a) en respuesta a una queja o cargo formal, (b) en el marco de una investigación, procedimiento, audiencia o acción, incluida una investigación realizada por el empleador, o (c) coherente con el deber legal del contratista de proporcionar información.

Autorización para compartir el currículum y la información personal: Al expresar su interés y enviar su currículum para este puesto, usted autoriza a DecisionPoint Corporation a compartir su currículum, así como la información personal incluida en el mismo, con sus filiales, empresas asociadas y socios de equipo con el fin de considerarle para este puesto y otros puestos disponibles que requieran habilidades, educación y experiencia comparables. En caso de que DecisionPoint Corporation o sus filiales y socios de equipo deseen iniciar conversaciones previas a la contratación, se le pedirá que complete una solicitud de empleo y los documentos de empleo relacionados.

Funciones y responsabilidades

El/la Ingeniero/a de IA/ML y MLOps Senior realizará las siguientes tareas:

Mantener los conjuntos de datos de entrenamiento, validación y prueba utilizados para el desarrollo y la evaluación de machine learning.

Desarrollar procesos repetibles para la ingesta, preparación, transformación, validación, control de versiones y promoción controlada de conjuntos de datos.

Asegurar que los conjuntos de datos se mantengan o puedan transformarse en formatos listos para el análisis y para el modelo.

Evaluar los conjuntos de datos en cuanto a calidad, integridad, coherencia, fiabilidad, procedencia y adecuación para el fin previsto.

Mantener la trazabilidad entre los datos de origen, los conjuntos de datos transformados, las características, las versiones de los modelos, los resultados de las evaluaciones y los despliegues en producción.

Construir y mantener canalizaciones automatizadas para la preparación de datos, entrenamiento de modelos, evaluación de modelos, empaquetado, despliegue, supervisión y reversión.

Desplegar modelos de machine learning en entornos aprobados de nube, aplicaciones, analítica y operativos.

Automatizar los procesos de construcción, prueba, validación, promoción, despliegue y recuperación de modelos.

Configurar y mantener registros de modelos y repositorios controlados para modelos, conjuntos de datos, código, configuraciones, dependencias y resultados de evaluación.

Implementar pruebas automatizadas de unidad, integración, regresión, calidad de datos, canalizaciones y despliegue.

Establecer procedimientos de evaluación de modelos, medidas de rendimiento, umbrales de validación y criterios de preparación para el lanzamiento.

Supervisar los modelos en producción para controlar la precisión, el rendimiento, la disponibilidad, la latencia, los errores, la desviación de datos, la desviación de conceptos y los comportamientos inesperados.

Configurar alertas, paneles, umbrales y procedimientos de escalado para la degradación de modelos, desviaciones, problemas de calidad de datos y fallos en las canalizaciones.

Investigar anomalías en modelos, conjuntos de datos, canalizaciones y despliegues en producción.

Coordinar las acciones correctivas con los equipos de datos, aplicaciones, infraestructura, seguridad, pruebas y misión.

Controlar las actualizaciones de modelos, conjuntos de datos, canalizaciones, características, dependencias y configuraciones en producción mediante procedimientos documentados de cambio y aprobación.

Mantener el control de versiones para el código de los modelos, la lógica de entrenamiento, los scripts de despliegue, los conjuntos de datos, las características, las configuraciones y las definiciones de infraestructura.

Desarrollar y probar procedimientos de reversión para actualizaciones de modelos, conjuntos de datos, canalizaciones y configuraciones.

Dar soporte a las canalizaciones de datos seguras utilizadas para el entrenamiento, evaluación, despliegue, supervisión y análisis operativo de modelos.

Mantener la documentación que cubra el propósito del modelo, los conjuntos de datos, los métodos de evaluación, el rendimiento, las limitaciones, las dependencias, los despliegues, los cambios, los incidentes y los riesgos conocidos.

Apoyar la auditoría y validación de los resultados de los modelos para identificar resultados inexactos, no respaldados o inesperados.

Ayudar a implementar puntos de control de revisión humana y escalado para los resultados de los modelos que puedan afectar a las decisiones de la misión o las operaciones.

Integrar los flujos de trabajo de MLOps con capacidades de integración continua, entrega continua, infraestructura como código, pruebas automatizadas, supervisión y gestión de incidentes.

Apoyar los requisitos de gobernanza de datos y modelos, incluidos los controles de acceso, el control de versiones, las puertas de aprobación, la trazabilidad, el control de cambios y el registro de auditoría.

Coordinar con el personal de ciberseguridad para abordar las vulnerabilidades, los controles de identidad y acceso, la gestión de secretos, las dependencias de software, el cifrado, el registro y los requisitos de autorización.

Colaborar con los equipos de ingeniería de datos en la ingesta, transformación, metadatos, integración de almacenes, calidad de datos y acceso gobernado.

Asistir en revisiones de arquitectura, revisiones de código, revisiones de preparación para el lanzamiento, resolución de problemas, traspaso operativo y transferencia de conocimientos.

Preparar documentación del ciclo de vida del modelo, instrucciones de despliegue, procedimientos de reversión, planes de supervisión, resultados de pruebas, diagramas técnicos y guías de funcionamiento.

Comunicar el estado del modelo, el rendimiento, las desviaciones, los riesgos, los incidentes y las acciones correctivas a los equipos técnicos, las partes interesadas del Gobierno y la dirección del programa.

Cualificaciones

Cualificaciones requeridas

Los candidatos deben cumplir todos los siguientes requisitos:

Autorización de seguridad (Secret clearance) activa o superior.

Grado universitario en informática, ciencia de datos, ingeniería o un campo relacionado, o un equivalente permitido.

Mínimo de 10 años de experiencia profesional relevante.

Experiencia en el mantenimiento de conjuntos de datos de entrenamiento, validación y prueba de machine learning.

Experiencia en la construcción o mantenimiento de canalizaciones automatizadas de despliegue de machine learning.

Experiencia en el despliegue de modelos de machine learning en entornos de producción.

Experiencia en la supervisión de modelos en producción y servicios de soporte.

Experiencia en la detección y respuesta a desviaciones de modelos o datos.

Experiencia en el uso de control de versiones para código de modelos, conjuntos de datos, configuraciones, canalizaciones o artefactos de despliegue.

Experiencia en el desarrollo y ejecución de procedimientos de reversión para modelos, conjuntos de datos, canalizaciones o configuraciones de producción.

Experiencia en el control de actualizaciones de modelos y conjuntos de datos mediante procedimientos documentados de cambio, prueba y aprobación.

Experiencia en la implementación de pruebas automatizadas para modelos de machine learning, canalizaciones de datos, APIs o flujos de trabajo de despliegue.

Experiencia con servicios de machine learning basados en la nube o entornos de nube de producción.

Comprensión de la evaluación de modelos, métricas de validación, supervisión de producción, gobernanza de modelos y gobernanza de datos.

Capacidad para mantener la trazabilidad a través de conjuntos de datos, transformaciones, versiones de modelos, resultados de evaluación, despliegues y resultados de producción.

Capacidad para investigar y resolver problemas de modelos, conjuntos de datos, canalizaciones y despliegues.

Comprensión de canalizaciones de datos seguras, controles de acceso, registro de auditoría, cifrado, gestión de secretos y seguridad de dependencias.

Capacidad para documentar y comunicar el rendimiento de los modelos, desviaciones, limitaciones, riesgos, incidentes y acciones correctivas.

Certificación CompTIA Security+ CE u otra certificación IAT Nivel II aprobada.

Cualificaciones preferentes

Las siguientes cualificaciones son preferentes, pero no obligatorias:

Certificación AWS Certified Machine Learning Engineer - Associate o una certificación de plataforma de machine learning comparable.

Certificación adicional de AWS, Microsoft Azure, Google Cloud, Databricks, ingeniería de datos o arquitectura de la nube.

Experiencia dando soporte a programas federales o del Departamento de Defensa.

Experiencia operando capacidades de machine learning en entornos seguros, regulados o de misión crítica.

Experiencia con MLflow, Amazon SageMaker, Azure Machine Learning, Google Vertex AI, Databricks, Kubeflow o plataformas comparables.

Experiencia con registros de modelos, almacenes de características, repositorios de metadatos, seguimiento de experimentos o herramientas de linaje de datos.

Experiencia con Docker, Kubernetes, infraestructura como código y patrones de despliegue nativos de la nube.

Experiencia en la implementación de observabilidad, alertas automatizadas, respuesta a incidentes y controles de fiabilidad de producción.

Familiaridad con prácticas de IA responsable, explicabilidad de modelos, validación de resultados, evaluación de sesgos y supervisión humana.

Familiaridad con los requisitos de nube y protección de datos del Gobierno o el nivel de impacto (Impact Level) 4 del Departamento de Defensa.

Experiencia dando soporte a modelos analíticos, IA generativa, flujos de trabajo de recuperación o capacidades de IA agente.

Idiomas

Ingeniero/a de IA/ML y MLOps (Senior)

Descripción general

Habilidades

Nuestra política de igualdad de oportunidades en el empleo

Funciones y responsabilidades

Cualificaciones

Cualificaciones requeridas

Cualificaciones preferentes

Sigue explorando

Tu próximo empleoya está buscándote.

Más oportunidades con un solo perfil

Especialista en Soporte TI

Ingeniero/a de Windows Senior

Administrador de sistemas