Arquitecto MLOps

Para tener éxito en este rol, aportarás una combinación de experiencia y habilidades que incluyen:

• Más de 5 años de experiencia en MLOps, ingeniería de plataformas de ML o un rol similar, con una experiencia práctica significativa gestionando sistemas de ML en producción.
• Experiencia demostrada llevando modelos a producción y manteniéndolos fiables, con ejemplos concretos que cubran el despliegue, la monitorización, la resolución de incidentes y la gestión del ciclo de vida.
• Profunda experiencia práctica en Azure y Databricks, especialmente Azure Databricks, MLflow y Unity Catalog. La experiencia con Azure ML es una gran ventaja. Sólida experiencia diseñando soluciones en Databricks, diagnosticando cuellos de botella en las cargas de trabajo y produciendo diseños técnicos y propuestas de implementación claros.
• Habilidades de ingeniería de software para el trabajo de MLOps y plataformas, incluyendo empaquetado, pruebas, APIs y automatización mantenible. Experiencia profunda construyendo pipelines de CI/CD para modelos y datos, más allá del simple despliegue de infraestructura y aplicaciones.
• Sólidos conocimientos de contenedores y patrones de model-serving. La experiencia con Kubernetes o AKS es beneficiosa pero no obligatoria. Confianza con Terraform e Infrastructure as Code, particularmente al integrar servicios de ML en una landing zone de Azure existente.
• Conocimientos operativos de redes en la nube y seguridad, incluyendo IAM, cifrado, gestión de secretos, gobernanza y observabilidad.
• Comprensión de la gobernanza de ML, linaje, auditabilidad y documentación de modelos. No se requiere una formación científica o en ciencias de la vida.
• Conocimientos operativos de tecnologías y patrones de GenAI, incluyendo Azure OpenAI o Azure AI Foundry, RAG, búsqueda vectorial, evaluación y guardrails.
• Capacidad para influir en stakeholders senior, comunicar la estrategia técnica con claridad y colaborar eficazmente con equipos de IA, datos, plataforma, seguridad y producto.
• Fuertes habilidades de mentoría y un enfoque pragmático para ayudar a los equipos de ingeniería a entregar de forma independiente.

Desde el principio, podrás de forma independiente:

• Desplegar un modelo tras una API lista para producción o un endpoint de servicio gestionado.
• Configurar el seguimiento de experimentos de MLflow y el registro de modelos.
• Construir o mejorar un pipeline de CI/CD para modelos y datos.
• Evaluar una carga de trabajo de ML, identificar cuellos de botella y producir un diseño de solución y una propuesta de entrega sólidos.

Con el tiempo, establecerás estándares repetibles y capacidades de plataforma que hagan que la entrega de ML sea más rápida, segura y fiable en todos los equipos.

Qué ofrecemos

• Un paquete de compensación competitivo
• Un presupuesto anual de formación para potenciar tu curva de aprendizaje
• Un presupuesto anual para deporte porque un cuerpo sano conduce a una mente sana
• Una cultura de trabajo flexible porque tu equilibrio entre vida laboral y personal nos importa
• Una posición que te permitirá tener un impacto en miles de personas y en el crecimiento de toda la empresa.
• Un equipo internacional, experto y apasionado con una fuerte mentalidad colaborativa

Visium combina estrategia, IA de vanguardia y una profunda experiencia en industrias reguladas para construir y desplegar sistemas nativos de IA que reinventan la forma en que operan las empresas, desbloqueando el valor de la IA a escala.

No somos una firma de estrategia que entrega presentaciones de diapositivas y se marcha. No somos una consultoría tecnológica que construye cosas que no se adoptan. No somos una empresa de productos que persigue problemas que no entiende. Somos las tres cosas a la vez: estrategia, profunda experiencia técnica e integración, y producto, trabajando como uno solo. Esa combinación es nuestro motor de crecimiento. La consultoría nos mantiene cerca de los problemas reales más difíciles. Los productos nos permiten resolverlos a escala. Cada proyecto perfecciona nuestros productos; cada despliegue hace que el siguiente proyecto sea más rápido, profundo y seguro.

Nos obsesionan los resultados. Mientras que el 95% de los pilotos de IA empresarial nunca llegan a producción, Visium está diseñado para ser el 5% que entrega IA productizada que genera un valor compuesto, no soluciones puntuales que ofrecen ganancias marginales. Somos nativos de la IA, no adyacentes a la IA. No añadimos la IA a flujos de trabajo deficientes; los rediseñamos con la IA en el núcleo.

Como MLOps Engineer, serás el responsable del camino desde el prototipo del modelo hasta una producción fiable en Azure y Databricks. Diseñarás y operarás los sistemas que soportan el entrenamiento, despliegue, monitorización, gobernanza y reentrenamiento, asegurando que las soluciones de IA y ML sigan siendo fiables, escalables, seguras y dignas de confianza en producción.

Combinarás la ingeniería MLOps práctica con la arquitectura de soluciones. Podrás evaluar cargas de trabajo, identificar cuellos de botella, diseñar el enfoque objetivo y convertir los requisitos técnicos en una propuesta de entrega accionable. Trabajarás estrechamente con el AI Solutions Architect, los AI Engineers, los Data Engineers y los equipos de plataforma, y serás responsable de la calidad de la entrega de IA/ML.

La zona de aterrizaje (landing zone) de la nube del cliente y la plataforma de datos principal suelen estar ya implementadas. Tu función es integrarte y construir sobre esa base en lugar de diseñarla desde cero. Data Engineering se encarga de la ingesta y curación a través de la capa silver o gold; la responsabilidad de MLOps comienza con los pipelines de características (feature pipelines) y el ciclo de vida de ML en producción construido sobre esos conjuntos de datos curados.

Tus responsabilidades incluirán:

• Diseñar y operar plataformas de ML en Azure Databricks, incluyendo pipelines de características y gestión de características, seguimiento de experimentos con MLflow, registro de modelos, pipelines de entrenamiento y servicio (serving) por lotes o en línea.
• Definir e implementar estándares del ciclo de vida del modelo que cubran el versionado, la reproducibilidad, las puertas de evaluación (evaluation gates), la promoción, el despliegue, la reversión (rollback) y el reentrenamiento.
• Construir patrones de despliegue listos para producción, incluyendo modelos expuestos a través de APIs, flujos de trabajo automatizados de MLflow y pipelines de CI/CD para modelos y datos.
• Responsabilizarte de la monitorización en producción de los sistemas de ML, incluyendo el drift de datos y de concepto, la calidad del modelo, la latencia, la fiabilidad y el coste, con las alertas y los activadores de reentrenamiento adecuados.
• Diseñar cargas de trabajo escalables en Databricks, identificar cuellos de botella arquitectónicos y de rendimiento, y traducir los hallazgos en diseños de soluciones y propuestas de entrega claros.
• Liderar las decisiones sobre herramientas de ML, patrones de integración y evolución de la plataforma, utilizando Databricks como plataforma principal y Azure ML cuando sea apropiado.
• Construir plantillas reutilizables, implementaciones de referencia y aceleradores que permitan a los AI Engineers llevar las soluciones a producción de forma independiente.
• Establecer prácticas de gobernanza de ML, incluyendo linaje, pistas de auditoría, documentación de modelos, controles de acceso y procesos operativos listos para el cumplimiento normativo.
• Apoyar la entrega de GenAI cuando sea necesario, incluyendo el despliegue y la monitorización de aplicaciones RAG y LLM utilizando Azure OpenAI o Azure AI Foundry, búsqueda vectorial, evaluación y guardrails.
• Aplicar los estándares existentes del cliente en nube, seguridad, redes y operaciones a los sistemas de ML e integrarlos con la landing zone y la plataforma de datos establecidas.
• Garantizar que las plataformas y cargas de trabajo de ML sean fiables, rentables, seguras, mantenibles y observables.
• Colaborar con los equipos de ingeniería y los stakeholders senior para guiar la implementación, mentorizar a los colaboradores y acelerar la adopción.