Machine Learning

Descripción

Resumen del Puesto: Desarrollar y mantener pipelines de ML altamente automatizados y colaborar con equipos de ingeniería de software para integrar flujos de trabajo de ML. Puntos Destacados: 1. Desarrollo y mantenimiento de pipelines de ML automatizados a gran escala 2. Colaboración con equipos de ingeniería para integrar flujos de trabajo de ML 3. Implementación y gestión de infraestructura de computación distribuida para ML DESCRIPCIóN Desarrollar y mantener pipelines de ML altamente automatizados para entrenamiento, validación e implementación de modelos a gran escala. Colaborar estrechamente con los equipos de ingeniería de software para integrar flujos de trabajo de ML en el ciclo de desarrollo de software, aplicando prácticas de DevOps y MLOps. REQUISITOS * Habilidades avanzadas de programación en Python y conocimiento de bibliotecas de ML, como TensorFlow, PyTorch, Scikit\-Learn, etc. * SQL * ETL (preferentemente DataIku) * Herramientas de flujos analíticos (Alteryx, tableau prep, data fusion, etc) * Administración de bases de datos * Conexiones ODBC – JDBC\- Spark. * GCP \- Vertex IA (2 años ) * Inglés intermedio \- Conversacional ( Indispensable) **Adicionales:** * Clientes de base de datos (dbeaver, mysql, sqlmanager, etc) * Conocimiento en computación en la nube * Hive * Experiencia sólida en desarrollo de software y operaciones de ML, con énfasis en MLOps. **Responsabilidades:** * Desarrollar y mantener pipelines de ML altamente automatizados para entrenamiento, validación e implementación de modelos a gran escala. * Colaborar estrechamente con los equipos de ingeniería de software para integrar flujos de trabajo de ML en el ciclo de desarrollo de software, aplicando prácticas de DevOps y MLOps. * Implementar y gestionar infraestructura de computación distribuida y herramientas de orquestación para soportar flujos de trabajo de ML en entornos de producción. * Desarrollar métricas y herramientas de monitoreo para evaluar el rendimiento y la calidad de los modelos en producción. * Automatizar tareas de mantenimiento y monitoreo para garantizar la estabilidad y confiabilidad continua de los sistemas de ML. * Identificar las diferentes necesidades de datos e información (Fuentes, Catálogos, Indicadores, Dimensiones), atendiendo a los procesos y fuentes actuales de negocio así como los disponibles dentro de la arquitectura de Data Analytics, mismos que faciliten el dimensionamiento y propuesta de atención del producto. * Proponer estrategias de integración de datos a productos/herramientas considerando a las necesidades de negocio para robustecer el valor de los entregables * Identificar y proponer mediante la documentación generada, áreas de mejora dentro de la integración de datos con el objetivo de proponer soluciones más eficientes en la transformación de datos. * Conocer el significado e interpretación de los datos, y plasmar dicho entendimiento en los documentos entregados que se recogen de los distintos proyectos de integración de Data Analytics con el objetivo de generar insights valiosos para la toma de decisiones que impulse la consistencia de la información a través de los productos.