Ingeniero Principal de Plataforma de ML

• Sólida experiencia construyendo u operando sistemas de producción con un enfoque en la fiabilidad, la escalabilidad y la mantenibilidad.

• Una mentalidad de sistemas: piensas de forma natural en términos de cuellos de botella, modos de fallo, interfaces, uso de recursos y operabilidad a largo plazo.

• Sólida experiencia práctica con infraestructura en la nube, Linux y automatización de infraestructura.

• Experiencia con Kubernetes y la gestión de cargas de trabajo distribuidas en producción.

• Fuertes habilidades de programación, idealmente en Python o lenguajes similares utilizados para sistemas backend y herramientas.

• Gran criterio sobre dónde la automatización aporta valor y dónde el control humano y la fiabilidad son más importantes.

• Experiencia construyendo plataformas internas, herramientas para desarrolladores o abstracciones de infraestructura utilizadas por otros ingenieros.

• Comodidad trabajando en entornos ambiguos y asumiendo la responsabilidad de problemas técnicos abiertos.

• Un enfoque pragmático: te importa resolver bien el problema adecuado, no la sobreingeniería.

• Operar infraestructura de ML o sistemas de servicio de modelos en producción.

• Soporte de cargas de trabajo de investigación o intensivas en datos.

• Trabajar con sistemas basados en GPU u otra infraestructura sensible al rendimiento.

• Experiencia con observabilidad y depuración en sistemas distribuidos.

• Familiaridad con Terraform, Datadog, GitHub Actions o herramientas similares.

• Experiencia construyendo herramientas internas agénticas o basadas en LLM.

• Experiencia con sistemas de orquestación de flujos de trabajo como Temporal.

• Experiencia trabajando en el límite entre la investigación y la ingeniería de producción.

• Familiaridad con problemas de optimización de rendimiento, programación o asignación de recursos.

• Experiencia construyendo herramientas ligeras orientadas al producto o al desarrollador.

Estamos buscando un Principal Engineer para unirse al equipo de ML Platform en Synthesia.

Nuestro equipo construye y opera los sistemas que permiten a los investigadores y equipos de producto entrenar, servir y desplegar modelos generativos de forma fiable y eficiente. Esto incluye infraestructura de investigación, sistemas de servicio en producción, herramientas internas e interfaces de plataforma que los conectan. Una parte creciente de nuestra misión es hacer que estos sistemas sean más aptos para la automatización y estén orientados a agentes, de modo que los flujos de trabajo puedan operarse cada vez más mediante herramientas fiables en lugar de esfuerzos manuales.

Buscamos a un generalista sólido con mentalidad de sistemas:

• alguien que se sienta cómodo trabajando en infraestructura, sistemas backend y herramientas, y que haya visto sistemas de ML en la práctica.

• este no es un rol de ML Engineer puro. Estamos especialmente interesados en personas que piensen profundamente en la fiabilidad, la escalabilidad, el rendimiento y la eficiencia de los recursos en entornos de producción complejos.

Este es un rol de IC (Individual Contributor) práctico con una responsabilidad significativa. Ayudarás a dar forma a la evolución de nuestra plataforma de ML a medida que escalamos el número de modelos, cargas de trabajo, herramientas y equipos que dependen de ella.

• Diseñar y mejorar los sistemas de la plataforma que soportan el entrenamiento, la evaluación y el servicio en producción de los modelos.

• Construir infraestructura y herramientas que hagan que las cargas de trabajo de ML sean más fiables, escalables y rentables.

• Desarrollar herramientas internas y flujos de trabajo que sean fáciles de operar tanto por humanos como por agentes.

• Trabajar en la arquitectura que sustenta cómo se despliegan, sirven y operan los modelos en entornos de investigación y de producto.

• Mejorar la forma en que programamos, monitorizamos y depuramos las cargas de trabajo que se ejecutan en GPUs e infraestructura en la nube.

• Desarrollar herramientas internas, abstracciones y sistemas agénticos que reduzcan la carga operativa para investigadores e ingenieros.

• Impulsar mejoras en observabilidad, automatización, fiabilidad y experiencia del desarrollador.

• Colaborar estrechamente con investigadores e ingenieros de producto para comprender los puntos de dolor y convertirlos en capacidades robustas de la plataforma.

• Contribuir a la dirección técnica y tomar decisiones arquitectónicas pragmáticas a medida que la plataforma crece.