Data Engineer / MLOps

Principales responsabilidades:

• Diseñar y mantener pipelines de features reproducibles y versionados (datos → features → training/serving).
• Orquestar entrenamientos reproducibles y trazables (datos, código, parámetros, artefactos).
• Gestionar MLflow (experiments, model registry) y ejecutar deployment controlado de modelos.
• Implementar monitoreo de drift, calidad y performance de datos/modelos en producción.
• Automatizar promoción entre entornos (dev → qa → prod) con gate checks y aprobaciones.
• Definir plantillas de repos (repo templates) con CI/CD estándar, testing y convenciones.
• Asegurar empaquetado profesional de librerías/modelos (wheel/Poetry) y versionamiento semántico.
• Construir pipelines IaC (infra como código) para entornos de ML y servicios gestionados.
• Colaborar estrechamente con Data Science y Data Engineering orientado a producto (SLOs, roadmap).
• Documentar decisiones técnicas (ADRs), contratos de datos y manuales de operación.

Experiencia:

• 3–5 años combinando Data Engineering + MLOps/DevOps.

Conocimientos técnicos requeridos:

• MLflow (experiments, runs, artifacts, model registry).
• Feature Store (diseño de entidades, serving/training consistency, backfills).
• CI/CD para ML (pipelines de build/test/deploy, gates de calidad).
• Testing: unitario, integración, contratos de datos y validación de features/modelos.
• Observabilidad: métricas, logs y alertas para datos y modelos (drift/quality/performance).
• Empaquetado: wheel y Poetry, dependency management y reproducibilidad.
• IaC pipelines (Terraform/CloudFormation) para provisionar infraestructura de la plataforma ML.
• Deseable: contenedores y orquestación (Docker/Kubernetes).