Machine Learning Engineer

¿Quiénes somos?

Option es una empresa con casi 20 años en el mercado Latinoamericano, con más de 1.000 proyectos de Data&Analytics. Aliados estratégicos de grandes organizaciones latinoamericanas, impulsando su transformación hacia una cultura Data-Driven, y hemos liderado en las industrias más importantes los más diversos proyectos de AI, Agentic y mucho más.

En Option, creemos en un mundo donde las soluciones tecnológicas no tienen límites. Nuestra misión es transformar los desafíos en oportunidades mediante la creación de soluciones innovadoras que potencien la Aceleración Digital. Nuestro equipo es dinámico, colaborativo y apasionado por la tecnología. Únete a una organización que está redefiniendo cómo el mundo utiliza los datos y la tecnología para resolver problemas complejos.

---

¿Qué buscamos?

Estamos en búsqueda de un Machine Learning Engineer talentoso y apasionado por conectar la ciencia de datos con el mundo real. Serás parte de nuestro equipo de Analítica Avanzada, trabajando estrechamente con Data Scientists, DevOps y otros stakeholders para impulsar la cultura MLOps en la organización. Tu misión será disponibilizar modelos en ambientes escalables, automatizar procesos de despliegue y monitoreo, capturar su comportamiento en producción, generando verdadero impacto desde el dato hasta la decisión.

---

Objetivo del cargo:

Implementar soluciones de Machine Learning escalables y automatizadas, desarrollando pipelines de entrenamiento y despliegue continuo de modelos, integrando servicios cloud y herramientas de MLOps para garantizar calidad, eficiencia y trazabilidad en ambientes productivos.

---

Responsabilidades principales:

• Desarrollar pipelines de ML utilizando Python y herramientas como MLflow, Vertex AI, SageMaker o Azure Machine Learning para entrenamiento, validación y despliegue continuo de modelos.
• Diseñar y mantener microservicios y APIs de inferencia utilizando frameworks como FastAPI o Flask, integrados con pipelines CI/CD (CloudBees, Jenkins).
• Automatizar la infraestructura cloud (GCP, AWS, Azure) utilizando Terraform y prácticas de Infrastructure as Code (IaC).
• Orquestar ambientes productivos mediante contenedores Docker y Kubernetes, asegurando alta disponibilidad, performance y escalabilidad.
• Implementar testing automatizado (TDD) y monitoreo de modelos (drift, accuracy, latencia), conectando las predicciones con datos del mundo real.

¿Qué ofrecemos?

• Proyectos desafiantes en el ámbito de la inteligencia artificial y la analítica avanzada.
• Colaboración con equipos multidisciplinarios en un entorno ágil y orientado a la innovación.
• Comunidad técnica que fomenta el aprendizaje continuo, el intercambio de ideas y el crecimiento profesional.
• Acceso a certificaciones, entrenamientos y recursos de desarrollo de carrera.

Requisitos técnicos (Hard Skills):

• Lenguajes de programación: Python (avanzado).
• Desarrollo Backend: FastAPI, Flask, desarrollo de APIs y microservicios
• MLOps y herramientas ML: MLflow, Vertex AI (GCP), SageMaker (AWS), Azure Machine Learning, TFX, Kubeflow.
• Cloud Platforms: Google Cloud Platform (Cloud Functions, Cloud Run, Pub/Sub, Vertex AI, Datastore, EventArc), Amazon Web Services (Lambda, SQS/SNS, SageMaker, Fargate, Beanstalk, DynamoDB, EventBridge), Microsoft Azure (Azure Machine Learning, Azure Functions, Azure Kubernetes Service (AKS), Event Grid, Azure Blob Storage, Cosmos DB).

• CI/CD: Jenkins, CloudBees, GitHub Actions.

• Infraestructura como código: Terraform.

• Contenedores y orquestación: Docker, Kubernetes.

• Bases de datos: PostgreSQL, MongoDB, DynamoDB, Cosmos DB.

• Testing: Test Driven Development (TDD).

Habilidades blandas (Soft Skills):

• Comunicación efectiva con equipos técnicos y no técnicos.

• Trabajo en equipo y colaboración en entornos multidisciplinarios.

• Autonomía y capacidad de autogestión.

• Curiosidad tecnológica y mentalidad de mejora continua.

• Capacidad para resolver problemas complejos con pensamiento crítico.

Requisitos adicionales:

• Experiencia mínima: Mayor a 4 años en roles relacionados a Machine Learning Engineering o MLOps.
• Educación: Título universitario en Ingeniería Informática, Ciencias de la Computación, Matemáticas, Estadística o carreras afines.
• Certificaciones valoradas: Google Cloud Certified Professional Machine Learning Engineer, AWS Certified Machine Learning Specialty, Microsoft Certified: Azure AI Engineer Associate, Certificación en MLOps (Kubeflow, MLflow u otras).

• Idioma: Español Nativo (obligatorio), Inglés Técnico (Intermedio - Avanzado)

Ubicación y modalidad:

• Ubicación: LATAM

• Modalidad de trabajo: Tenemos opciones 100% Remotas y otras Híbridas.

¡Conoce más sobre nosotros!