Desde Randstad Professionals estamos buscando un Ingeniero de Machine Learning, quien será responsable de diseñar, desarrollar, implementar y mantener modelos de aprendizaje automático para resolver desafíos de negocio y optimizar procesos en una compañía líder de telecomunicaciones.
Trabajarás estrechamente con equipos multidisciplinarios para aplicar soluciones basadas en datos que mejoren la eficiencia operacional y la experiencia del cliente.
Responsabilidades Clave (Foco en Implementación y Mantenimiento)
Tu rol se centrará en la ingeniería de software aplicada a la vida del modelo (MLOps):
- Desarrollo y Despliegue de Modelos: Desarrollarás, entrenarás, validarás y desplegarás modelos de aprendizaje automático supervisado y no supervisado.
- Integración de Sistemas: Integrarás soluciones de machine learning en sistemas existentes de la empresa utilizando APIs y microservicios.
- MLOps y Contenerización: Implementarás contenedores (Docker) y orquestación (Kubernetes) para los deployments.
- Calidad y Mantenimiento: Evaluarás la calidad y el rendimiento de los modelos usando métricas adecuadas y los mantendrás actualizados según los cambios en los datos o necesidades del negocio.
- Big Data y Dominio: Preprocesarás y analizarás datos provenientes de diversas fuentes (CRM, sistemas de red, IoT) , aplicando conocimientos en telecomunicaciones y manejo de grandes volúmenes de datos.
Requisitos Técnicos Obligatorios (El Stack de Producción)
Buscamos un perfil con dominio tanto de la ciencia de datos como de la ingeniería de software:
- Lenguajes: Experiencia en desarrollo con lenguajes como Python, R o Scala.
- Frameworks ML: Conocimiento en frameworks de machine learning clave (TensorFlow, PyTorch, Scikit-learn, XGBoost).
- Datos y BD: Dominio de herramientas de procesamiento (Pandas, NumPy) y manejo de bases de datos relacionales y no relacionales (SQL, NoSQL).
- Arquitectura: Familiaridad con arquitecturas de microservicios, APIs REST y servicios en la nube (AWS, GCP, Azure).
- DevOps ML: Capacidad para implementar Docker y Kubernetes para deployments.
Oportunidades y Beneficios
-
Desarrollo Profesional: Acceso a capacitación continua y certificaciones en IA y machine learning.
-
Ambiente: Trabajo en un ambiente innovador con un paquete de beneficios acorde al mercado.
-
Formación: Título universitario en Ingeniería en Informática, Ciencias de la Computación, o carreras afines.
-
Métricas de Éxito: Tu desempeño será medido por el porcentaje de proyectos de ML exitosamente implementados y la precisión/recall de los modelos en producción.
