Monitorear drift, performance y estabilidad de modelos de ML en producción.
Gestionar el deploy, versionamiento y gobernanza de modelos.
Automatizar retraining, scheduling y pipelines de inferencia.
Diseñar y mantener feature stores para equipos de Data Science y Analytics.
Documentar procesos de reproducibilidad, auditoría técnica y validación de modelos.
Asegurar una infraestructura de ML robusta, resiliente y escalable.
Colaborar con áreas técnicas y de negocio en la implementación de mejoras continuas.

Requirements

Formación en Ingeniería, Informática, Ciencia de Datos, Matemáticas o carreras afines.
3 a 5+ años de experiencia en MLOps o como Machine Learning Engineer.
Dominio avanzado de Python.
Experiencia sólida con CI/CD, Docker y Kubernetes.
Experiencia práctica con MLflow, Vertex AI o SageMaker.
Conocimiento en métricas avanzadas de modelos, monitoreo en tiempo real y prácticas de observabilidad.

Benefits

Modalidad: Presencial en Ciudad de México durante los primeros 3 meses, luego híbrido.
Jornada: Full-time.
Tipo de contratación: Contratación directa.

Applicant Tracking System Keywords

Tip: use these terms in your resume and cover letter to boost ATS matches.

MLOpsMachine Learning EngineeringPythonCI/CDDockerKubernetesMLflowVertex AISageMakermonitoreo de modelos

colaboraciónmejoras continuasdocumentaciónauditoría técnicavalidación de modelos