Job description
Buscamos un/a MLOps Engineer con fuerte interés en automatización, cloud computing y despliegue eficiente de plataformas inteligentes.
Si te motiva mejorar entornos productivos, garantizar sistemas escalables y confiables, y trabajar con tecnologías punteras en Machine Learning, Agentes de IA y Observabilidad, esta oportunidad es para ti.
🚀 ¿Cuál será tu rol?
Como MLOps Engineer, serás responsable de conectar el mundo del Data y el ML con la infraestructura y la operación en producción, asegurando que los modelos y agentes funcionen de forma robusta y eficiente.
Tus principales responsabilidades incluirán:
Diseñar, implementar y operar infraestructuras cloud escalables en AWS, GCP o Azure, orientadas a workloads de datos y ML.
Automatizar infraestructuras y despliegues usando Terraform, Ansible, Helm y Kubernetes.
Crear y mantener pipelines de CI/CD para el despliegue continuo de modelos, agentes de IA y plataformas de observabilidad.
Gestionar contenedores y orquestación con Docker y Kubernetes (EKS), integrando servicios de datos, IA y backend.
Construir y mantener pipelines reproducibles de entrenamiento, validación e inferencia (Airflow, MLflow, DVC, Spark).
Implementar y optimizar soluciones de monitorización, logging y observabilidad (Prometheus, Grafana, ELK/EFK, OpenTelemetry).
Velar por la seguridad, disponibilidad y resiliencia de las plataformas en la nube.
Integrar el ciclo completo Data → ML → Deployment → Monitoring, trabajando de forma cercana con equipos de Data, ML, DevOps y Backend.
Colaborar con equipos de Machine Learning para empaquetar y llevar a producción modelos y agentes de IA.
(Plus avanzado) Participar en el diseño de pipelines híbridos que combinen ML tradicional, IA generativa y agentes basados en LLM (LangChain, LangGraph, CrewAI).
🎯 Requisitos
Buscamos a alguien con:
Formación en Ingeniería Informática, Software, Telecomunicaciones o disciplinas relacionadas.
Más de 3 años de experiencia en automatización, despliegue o gestión de infraestructura cloud.
Experiencia sólida en infraestructura como código y automatización (Terraform, Helm, Ansible).
Conocimientos avanzados de Linux, redes y sistemas distribuidos.
Experiencia práctica en pipelines de CI/CD (GitLab CI, Jenkins, ArgoCD, FluxCD).
Dominio de Docker y Kubernetes.
Experiencia con herramientas de gestión de modelos y datos como MLflow, DVC o Vertex AI.
Conocimientos en monitorización, logging y observabilidad.
Experiencia con bases de datos SQL y NoSQL (PostgreSQL, TimescaleDB, MongoDB).
Capacidad para diagnosticar y resolver incidencias en entornos productivos de alto tráfico, optimizando costos y rendimiento.
Buenas habilidades de comunicación y trabajo en equipo en entornos multidisciplinarios.
🌟 Valoramos especialmente si además tienes
Experiencia con sistemas de mensajería y streaming como Kafka, Redpanda o Benthos.
Conocimientos en arquitecturas serverless y event-driven (AWS Lambda, SNS/SQS).
Experiencia en observabilidad avanzada y métricas de rendimiento de modelos.
Conocimientos en prácticas de SRE (Site Reliability Engineering).
Experiencia con plataformas modernas de MLOps (Kubeflow, MLflow).
Familiaridad con despliegues automatizados y buenas prácticas DevOps.
Conocimientos en infraestructura para IA generativa (GPU, contenedores optimizados, RAG serving).
Inglés técnico avanzado, escrito y hablado, para colaborar con equipos y partners internacionales.
Originally posted on Himalayas
Who can apply
The source lists worldwide eligibility. Accepted UTC offsets: UTC-11, UTC-10, UTC-9.5, UTC-9, UTC-8, UTC-7, UTC-6, UTC-5, UTC-4, UTC-3.5, UTC-3, UTC-2, UTC-1, UTC+0, UTC+1, UTC+2, UTC+3, UTC+3.5, UTC+4, UTC+4.5, UTC+5, UTC+5.5, UTC+5.75, UTC+6, UTC+6.5, UTC+7, UTC+8, UTC+8.75, UTC+9, UTC+9.5, UTC+10, UTC+10.5, UTC+11, UTC+12, UTC+12.75, UTC+13, UTC+14. Review the full description for employer-specific work authorization, residency and schedule requirements.