Ingeniero de Plataforma de Aprendizaje Automático (ML)

Descripción

Resumen: Johnson Controls International busca un ingeniero de plataforma de ML/IA para construir una infraestructura de IA/ML segura, escalable y automatizada en Azure, que habilite capacidades de inteligencia artificial generativa a escala empresarial. Aspectos destacados: 1. Papel fundamental para habilitar capacidades de aprendizaje automático (ML) y de inteligencia artificial generativa a escala empresarial 2. Trabajar en la intersección entre aprendizaje automático (ML), DevOps e ingeniería en la nube 3. Diseñar e implementar sistemas de ML robustos y automatizados Johnson Controls International (JCI) está buscando un ingeniero de aprendizaje automático / plataforma para unirse a nuestro equipo en crecimiento de plataformas de IA y datos. Este puesto es fundamental para habilitar capacidades de ML y de inteligencia artificial generativa a escala empresarial mediante la construcción de infraestructura segura, escalable y automatizada en Azure, utilizando Terraform y Azure DevOps. Usted trabajará en la intersección del aprendizaje automático (ML), DevOps e ingeniería en la nube: construyendo la base que soporta la inferencia en tiempo real de modelos de lenguaje grande (LLM), su reentrenamiento, orquestación e integración en el panorama de productos y operaciones de JCI.**Cómo lo hará** **Ingeniería de plataformas de ML y MLOps (centrada en Azure)** * Construir y gestionar pipelines de ML/LLM de extremo a extremo en **Azure ML**, utilizando **Azure DevOps** para la automatización de CI/CD, pruebas y lanzamientos. * Operacionalizar modelos de lenguaje grande (LLM) y soluciones de inteligencia artificial generativa (por ejemplo, GPT, LLaMA, Claude), con énfasis en automatización, seguridad y escalabilidad. * Desarrollar y gestionar infraestructura como código mediante **Terraform**, incluida la provisión de clústeres informáticos (por ejemplo, Azure Kubernetes Service, recursos informáticos de Azure Machine Learning), almacenamiento y redes. * Implementar una gestión sólida del ciclo de vida de los modelos (versionado, monitoreo, detección de desviaciones) con componentes nativos de MLOps en Azure. **Infraestructura y arquitectura en la nube** * Diseñar entornos de servicio altamente disponibles y de alto rendimiento para la inferencia de LLM mediante **Azure Kubernetes Service (AKS)** y **Azure Functions** o **App Services**. * Construir y gestionar pipelines RAG mediante bases de datos vectoriales (por ejemplo, Azure Cognitive Search, Redis, FAISS) y orquestarlas con herramientas como **LangChain** o **Semantic Kernel**. * Asegurar que la seguridad, el registro de eventos (logging), el control de acceso basado en roles (RBAC) y los registros de auditoría se implementen de forma coherente en todos los entornos. **Automatización y pipelines de CI/CD** * Construir pipelines reutilizables de **Azure DevOps** para desplegar activos de ML (preprocesamiento de datos, entrenamiento de modelos, evaluación y servicios de inferencia). * Utilizar Terraform para automatizar el aprovisionamiento de recursos de Azure, garantizando entornos consistentes y conformes para los equipos de ciencia de datos e ingeniería. * Integrar mecanismos automatizados de pruebas, revisión de código (linting), monitoreo y reversión (rollback) en el pipeline de despliegue de ML. **Colaboración y habilitación** * Trabajar estrechamente con científicos de datos, ingenieros en la nube y equipos de producto para entregar funciones de IA listas para producción. * Contribuir a la arquitectura de soluciones para casos de uso de IA en tiempo real y por lotes, incluidas las aplicaciones de IA conversacional, búsqueda empresarial y herramientas de resumen impulsadas por LLM. * Brindar orientación técnica sobre optimización de costos, patrones de escalabilidad y despliegues de ML de alta disponibilidad. **Cualificaciones y habilidades** **Experiencia requerida** * Licenciatura o maestría en ciencias de la computación, ingeniería o campo afín. * 5 años o más de experiencia en puestos de ingeniería de ML, MLOps o ingeniería de plataformas. * Amplia experiencia desplegando modelos de aprendizaje automático en **Azure**, utilizando **Azure ML** y **Azure DevOps**. * Experiencia comprobada gestionando infraestructura como código con **Terraform** en entornos productivos. **Competencia técnica** * Competencia en **Python** (PyTorch, Transformers, LangChain) y **Terraform**, con experiencia en scripting en Bash o PowerShell. * Experiencia con **Docker** y **Kubernetes**, especialmente dentro de Azure (AKS). * Conocimientos prácticos de los principios de CI/CD, registro de modelos y gestión de artefactos de ML mediante **Azure ML** y **Azure DevOps Pipelines**. * Conocimientos prácticos de bases de datos vectoriales, estrategias de caché y arquitecturas de inferencia escalables. **Habilidades blandas y mentalidad** * Pensador sistémico capaz de diseñar, implementar y mejorar sistemas de ML robustos y automatizados. * Excelentes habilidades comunicativas y de documentación: capaz de actuar como puente entre los equipos de plataforma y de ciencia de datos. * Mentalidad fuerte para la resolución de problemas, centrada en la entrega, la confiabilidad y el impacto empresarial. **Cualificaciones preferidas** * Experiencia en **LLMOps**, marcos de orquestación de indicaciones (prompts) (LangChain, Semantic Kernel) y despliegue de modelos de código abierto. * Exposición a **edificios inteligentes, IoT** o despliegues de IA en el borde (edge-AI). * Comprensión de las preocupaciones relacionadas con gobernanza, privacidad y cumplimiento normativo en casos de uso empresarial de IA generativa (GenAI). * Contar con una certificación en Azure (por ejemplo, Azure Solutions Architect, Azure AI Engineer o Terraform Associate) es un valor añadido.