Senior Backend Engineer: Machine Learning Infrastructure

• Más de 5 años de experiencia profesional en ingeniería de backend o de plataforma

• Amplio conocimiento de Python (nuestro lenguaje principal)

• Experiencia práctica desarrollando en una nube pública (AWS, GCP o Azure) o con Kubernetes autogestionado; AWS es nuestra plataforma principal, pero no nos limitamos a ella

• Experiencia diseñando y construyendo servicios y APIs distribuidos de alta carga

• Sólidos conocimientos de estructuras de datos, algoritmos y sus compensaciones (trade-offs)

• Mentalidad de ingeniería orientada al diseño: somos un entorno que favorece el uso de asistentes de código y esperamos que utilices herramientas modernas de IA, pero tú lideras mediante el diseño de sistemas y una sólida comprensión de su aplicabilidad y sus ventajas y desventajas

• Sentido de la responsabilidad y proactividad: no puedes cerrar los ojos ante los problemas, sino que estás listo para resolverlos y asumir la responsabilidad de los resultados

• Eres una persona amable y con disposición para ayudar a tus compañeros y a otros

• Experiencia con Rust (o C/C++/Go), lo cual es un gran plus

• Experiencia desarrollando o contribuyendo a plataformas de ML o infraestructura de ML, lo cual es un gran plus

• Experiencia configurando y operando cualquier base de datos vectorial (Qdrant, Milvus, Weaviate, OpenSearch, pgvector, etc.), lo cual es un gran plus

• Experiencia con infraestructura de model serving / inferencia, incluyendo LLMs

• Experiencia con Infrastructure as Code (Terraform o similar)

• 🏝️ Vacaciones ilimitadas: animamos encarecidamente a todos nuestros empleados a que tomen al menos 3 semanas al año

• 🌎 Equipo totalmente remoto: elige dónde vivir

• 🛋️ ¡Ayuda para teletrabajo! Queremos que tengas los recursos necesarios para montar tu oficina en casa

• 💻 Portátiles Apple proporcionados para los nuevos empleados

• 🧑🎓 Presupuesto de formación y desarrollo para cada empleado, renovado cada año

• 👪 Permiso de maternidad y paternidad para empleados que cumplan los requisitos

• 🧠 Trabaja con gente inteligente que te ayudará a crecer y a generar un impacto significativo

• 💵 Salario base: $80k-$120k USD, dependiendo de los conocimientos, habilidades, experiencia y resultados de la entrevista

• 📈 Stock options - ofrecidas además del salario base

• 🎉 Retiros de equipo (offsites) regulares para conectar y colaborar

El equipo de ML Infrastructure construye y opera los servicios de backend compartidos y las capacidades de plataforma de los que dependen los equipos de ML y de producto de Constructor para desarrollar, desplegar y ejecutar machine learning a escala, desde el model serving (incluyendo LLMs) hasta los almacenamientos especializados y los pipelines de datos que hay detrás.

Somos un equipo de servicios por naturaleza: nuestra hoja de ruta se define por las necesidades de los equipos de producto, y tenemos éxito cuando ellos pueden avanzar más rápido y con menos fricción. Buscamos un Senior Backend Engineer que se sienta cómodo y motivado por esta dinámica, y que asuma la responsabilidad de extremo a extremo de los servicios principales.

A corto y medio plazo, nuestras áreas de enfoque incluyen:

• Hacer que las cargas de trabajo de ML sean fáciles de ejecutar, escalar y operar para cada equipo

• Proporcionar componentes de infraestructura configurables y de autoservicio a los equipos de ML y de producto

• Liderar y evolucionar los servicios principales de ML y los pipelines relacionados con un alto estándar de fiabilidad y rendimiento

• Diseñar, construir y operar servicios de backend distribuidos de alta carga que impulsen la infraestructura de ML de la empresa

• Asumir la responsabilidad de extremo a extremo de los servicios principales de ML y los pipelines de datos relacionados: desde el diseño e implementación hasta el despliegue, la observabilidad y la mejora continua

• Colaborar con los equipos de ML y de producto para comprender sus necesidades y convertirlas en capacidades de plataforma fiables y reutilizables

• Tomar y defender decisiones técnicas: evaluar compensaciones (trade-offs), diseñar primero y hacerse responsable del resultado

• Ser responsable de lo que tú y tu equipo hagáis