Ingeniero de Plataforma de IA

• Grado, Máster o Doctorado en Informática, Ingeniería o un campo relacionado.
• Más de 5 años construyendo y operando plataformas de IA o de datos en entornos de producción.
• Experiencia práctica con la orquestación de flujos de trabajo, especialmente con "Prefect" (u orquestadores comparables como "Airflow" o "Dagster").
• Sólidas habilidades de contenerización y orquestación ("Docker" y "Kubernetes") para la construcción y el despliegue de servicios de "backend" distribuidos.
• Ingeniería de "backend" sólida en "Python", incluyendo diseño de API, bases de datos relacionales ("PostgreSQL") y arquitectura de servicios.
• Experiencia con herramientas de MLOps, como el seguimiento de experimentos y registros de modelos (por ejemplo, "MLflow"), y con sistemas de mensajería o eventos (por ejemplo, "NATS" o "Kafka").
• Experiencia en la entrega de sistemas "on-premises" o "air-gapped", con un enfoque en la fiabilidad y la operatividad.

• Se valorará la experiencia en entornos de computación de alto rendimiento ("HPC") y planificadores de tareas ("job schedulers").
• Se valorará la experiencia en los sectores de semiconductores, EDA u otros dominios de ingeniería.

Estamos buscando un "Artificial Intelligence (AI) Platform Engineer" para unirse a nuestro equipo de producto líder en la industria de gestión de datos y propiedad intelectual (IP), con el fin de construir la infraestructura de "Machine Learning Operations" (MLOps) que impulsa "SOS AI", nuestra plataforma de gestión del ciclo de vida de la IA que integra flujos de trabajo de "Electronic Design Automation" (EDA) e IA/ML.

• Diseñar, construir y operar la plataforma "SOS AI": los servicios de orquestación, seguimiento, mensajería y aplicaciones que ejecutan el ciclo de vida de IA/ML "on-premises".
• Construir la orquestación de experimentos como flujos de trabajo versionados y reproducibles, con contexto de ejecución, dependencias de tareas, seguimiento de la ejecución y una reproducción ("replay") fiable.
• Implementar registros de activos ("asset registries") y linaje de extremo a extremo para que cada modelo, conjunto de datos y resultado sea rastreable hasta las entradas, parámetros y versión del flujo de trabajo exactos que lo produjeron.
• Empaquetar y desplegar la plataforma como un sistema autónomo que funcione de forma fiable en los entornos de los clientes sin depender de servicios externos.
• Integrar la plataforma con los flujos de trabajo de ingeniería y EDA para que los datos fluyan limpiamente entre las herramientas y el sustrato de experimentación.
• Responsabilizarse de la fiabilidad y el rendimiento de la plataforma: observabilidad, escalabilidad, rutas de actualización y herramientas operativas para los servicios de "backend".
• Establecer el control de acceso, pistas de auditoría y garantías de reproducibilidad adecuados para datos de ingeniería sensibles a la propiedad intelectual (IP).
• Colaborar con ingenieros de ML, producto y clientes para transformar las necesidades de los flujos de trabajo de IA/ML en capacidades duraderas de la plataforma.