MLOps Engineer

Responsibilities

• Diseñar, implementar y operar infraestructuras cloud escalables en AWS, GCP o Azure, orientadas a workloads de datos y ML.
• Automatizar infraestructuras y despliegues usando Terraform, Ansible, Helm y Kubernetes.
• Crear y mantener pipelines de CI/CD para el despliegue continuo de modelos, agentes de IA y plataformas de observabilidad.
• Gestionar contenedores y orquestación con Docker y Kubernetes (EKS), integrando servicios de datos, IA y backend.
• Construir y mantener pipelines reproducibles de entrenamiento, validación e inferencia (Airflow, MLflow, DVC, Spark).
• Implementar y optimizar soluciones de monitorización, logging y observabilidad (Prometheus, Grafana, ELK/EFK, OpenTelemetry).
• Velar por la seguridad, disponibilidad y resiliencia de las plataformas en la nube.
• Integrar el ciclo completo Data → ML → Deployment → Monitoring, trabajando de forma cercana con equipos de Data, ML, DevOps y Backend.
• Colaborar con equipos de Machine Learning para empaquetar y llevar a producción modelos y agentes de IA.
• (Plus avanzado) Participar en el diseño de pipelines híbridos que combinen ML tradicional, IA generativa y agentes basados en LLM (LangChain, LangGraph, CrewAI).

Languages