Estados Unidos
HEARTLAND BUSINESS SYSTEMS LLC
Fetch
Ingeniero/a Senior de Operaciones de ML II - Monetización
RemotoEstados Unidos
United States
PythonSQLKubernetesGoTerraform
Traducción automática. Consulta el original.
RESPONSABILIDADES DEL PUESTO *
- Gestionar el ciclo de vida completo del modelo, desde la experimentación hasta la validación, despliegue, control de versiones, reentrenamiento, reversión y retirada. *
- Establecer criterios claros de promoción de modelos, procesos de lanzamiento y rutas de reversión que permitan a los equipos realizar mejoras con confianza. *
- Implementar la monitorización de la calidad de los datos, la deriva (drift), la calidad de las predicciones, la fiabilidad del servicio, la latencia y el coste de la infraestructura. *
- Colaborar con científicos de datos para definir señales de evaluación significativas tanto offline como en producción, incluyendo casos de uso con etiquetas de resultados retrasadas. *
- Utilizar la evidencia de producción para mejorar el rendimiento del modelo, la fiabilidad de la plataforma, la velocidad de despliegue y la eficiencia de la infraestructura. *
- Crear pipelines reutilizables de entrenamiento, evaluación y despliegue que soporten múltiples modelos y enfoques de modelado. *
- Desarrollar flujos de trabajo de orquestación fiables que cubran dependencias, programación, reintentos, backfills y recuperación ante fallos. *
- Traducir los requisitos científicos en sistemas de producción mantenibles con interfaces, propiedad y expectativas operativas claras. *
- Construir y mantener un centro de modelos accesible que conecte la documentación del modelo, los resultados de evaluación, el historial de lanzamientos, el control de versiones y la monitorización. *
- Crear flujos de trabajo CI/CD probados, entornos reproducibles, alertas accionables, procedimientos de respuesta ante incidentes y manuales operativos. *
- Definir las prioridades de MLOps en colaboración con Ciencia de Datos e Ingeniería, identificando riesgos antes de que se conviertan en problemas de producción. *
- Establecer estándares de ingeniería reutilizables, mentorizar a compañeros de equipo y reducir la carga operativa que recae sobre los científicos de datos.
REQUISITOS MÍNIMOS *
- 5+ años gestionando sistemas de ML en producción más allá del despliegue inicial, incluyendo monitorización, reentrenamiento, respuesta ante incidentes y mejora continua. *
- Sólidas habilidades de desarrollo de software en producción con Python y competencia en SQL. *
- Experiencia práctica utilizando Spark para el procesamiento de datos distribuidos. *
- Experiencia con un motor de orquestación de flujos de trabajo para la programación, gestión de dependencias, reintentos, backfills y recuperación. *
- Experiencia práctica en la construcción de infraestructura con Terraform. *
- Experiencia en el despliegue y operación de cargas de trabajo en contenedores en producción sobre Kubernetes. *
- Experiencia en la construcción de infraestructura reutilizable de entrenamiento, evaluación o despliegue utilizada por múltiples modelos, científicos o equipos. *
- Experiencia en la implementación de control de versiones de modelos y conjuntos de datos, seguimiento de experimentos, linaje y lanzamientos reproducibles. *
- Capacidad para distinguir fallos de servicio o de infraestructura de cambios en la eficacia del modelo. *
- Experiencia en la construcción de pipelines CI/CD, monitorización, alertas, mecanismos de reversión y procedimientos de recuperación para sistemas de ML en producción. *
- Capacidad demostrada para equilibrar la calidad del modelo, la velocidad de entrega, la fiabilidad y el coste de la infraestructura. *
- Sólida comunicación interfuncional y experiencia colaborando con científicos de datos para preservar la validez científica a medida que los modelos pasan a producción. *
- Capacidad para explicar un incidente de producción o un problema de degradación del modelo, cómo se detectó y qué mejoras se implementaron a continuación.
REQUISITOS PREFERENTES *
- Experiencia en el desarrollo de servicios de plataforma, infraestructura o herramientas internas en Go. *
- Experiencia en la construcción o gestión de un registro de modelos, un centro de modelos o un sistema similar utilizado por partes interesadas técnicas y no técnicas. *
- Experiencia en el soporte de sistemas de ML donde las etiquetas de resultados están retrasadas o la calidad del modelo no puede medirse inmediatamente. *
- Historial de mejoras en la velocidad de despliegue, calidad del modelo, fiabilidad del sistema, coste de la infraestructura o esfuerzo operativo manual. *
- Experiencia en el diseño de infraestructura de ML configurable que soporte varios frameworks o enfoques de modelado. *
- Evidencia de que la infraestructura, los estándares o la documentación reutilizables fueron adoptados por múltiples equipos. *
- Experiencia en la mentoría de ingenieros o científicos de datos e influencia en las prioridades técnicas a través de una cartera de ML. *
- Experiencia trabajando en entornos con información sensible y diseñando documentación o monitorización en torno a límites de acceso adecuados.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil