Applied Ai/Ml Engineer

Hace 3 horas

Rosario, Santa Fe Province, Argentina Futureproofing Jornada completa
  • Ofertas de Applied Ai Ml Engineer en Rosario

Buscamos un Machine Learning / AI Engineer Senior con un sólido enfoque en MLOps y Python que también pueda desempeñarse como AI Engineer para soluciones de IA generativa. Será responsable registrar experimentos, métricas y modelos, construir pipelines reproducibles para entrenamiento, validación o inferencia asi tambien como mantener versiones de datos, artefactos y modelos, garantizando trazabilidad y colaboración.


Conocimientos requeridos

Lenguaje y frameworks de ML & Generative AI

  • Python (tipos, Pydantic, AsyncIO) con ecosistema científico (Pandas, NumPy,Polars).
  • Frameworks de agentes y orquestación GenAI: LangChain, LangGraph,LlamaIndex, CrewAI, AutoGen.
    Plataforma MLOps & Experimentación
  • Tracking y registro de modelos: MLflow Tracking + Model Registry
  • Orquestación de pipelines: Kubeflow Pipelines, Argo Workflows, AWS, SageMaker Pipelines, Vertex AI Pipelines.
  • Versionado de datos/artefactos: DVC, LakeFS.
    Observabilidad y monitoreo
  • Métricas y trazabilidad: Prometheus, Grafana, OpenTelemetry.
  • Calidad de datos/modelos: Evidently AI, WhyLabs.
    Vector DB, RAG & búsqueda semántica
  • Servicios managed GenAI: AWS Bedrock, Azure OpenAI Service, Google Gemini, Anthropic Claude.
  • Serverless/event‑driven: AWS Lambda, Google Cloud Functions, Cloud Run,Requisitos del perfil
  • +5 años de experiencia en ML/AI engineering, con ≥2 años dedicados a MLOps en producción.
  • Experiencia desplegando sistemas RAG a escala.
  • Capacidad para liderar iniciativas técnicas y coordinar equipos multidisciplinarios.
  • Residencia en Buenos Aires, Argentina o disponibilidad para esquema híbrido.
  • Valorable experiencia en sector financiero o consultoría tecnológica B2B.
  • Diseñar y mantener pipelines de ML y LLMs (entrenamiento, fine‑tuning, inferencia,
    retraining).
  • Desplegar modelos ML en producción.
  • Implementar y gobernar vector stores y pipelines RAG para exponer capacidades
    de IA generativa sobre datos corporativos.
  • Colaborar en la operacion del equipo (estimaciones técnicas, demos y RFPs).
  • Liderar revisiones de arquitectura con foco en escalabilidad, resiliencia y
    compliance.
  • Investigar continuamente la evolución de la IA generativa para proponer
    innovaciones.