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 3.xx (tipos, Pydantic, AsyncIO) con ecosistema científico (Pandas, NumPy,Polars).
Frameworks de deep learning: PyTorch- 2.x, TensorFlow 2.x/Keras, JAX/Flax.
-
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 -
Bases vectoriales: Pinecone, Weaviate, Milvus, pgvector.
-
Toolkits RAG: LangChain Retrievers, LlamaIndex integrations.
Entorno Cloud & Serverless GenAI -
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.
Responsabilidades clave
-
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.
REMOTO ARGENTINA
