Python Engineer & ML Infrastructure

• Python 3.12+ (imprescindible) — Python sólido en producción, no solo nivel de scripting

• Snowflake (imprescindible) — cómodo escribiendo y optimizando SQL contra Snowflake como fuente de datos y destino para salida de pipelines

• Docker (imprescindible) — construcción y optimización de imágenes de contenedores, incluyendo empaquetamiento de artefactos de modelos ML y sus dependencias de tiempo de ejecución en imágenes desplegables

• Kubernetes (imprescindible) — despliegue y operación de cargas de trabajo en Kubernetes; comprensión de pods, deployments, límites de recursos y redes básicas de clúster

• Capacidad de tomar un prototipo de nivel de investigación y convertirlo en código de producción comprobado, mantenible y programado

• Inglés intermedio-avanzado o avanzado (indispensable)

Preferido:

• Experiencia específica con Kubernetes CronJob (programación, política de concurrencia, límites de reintento, manejo del historial de fallos)

• Experiencia con plataforma de model serving KServe o equivalente (Seldon, BentoML, o similar), ya que la construcción de un clúster KServe es la siguiente fase definida de este rol

• Familiaridad con conceptos de clustering/estadísticas utilizados en el prototipo: K-means con auto-K vía puntuación de silueta, Jenks Natural Breaks para tiering, normalización/ponderación de características Autoría de gráficos Helm para empaquetamiento de cargas de trabajo de Kubernetes

• Experiencia con formatos de artefactos de modelos y convenciones de empaquetamiento (por ejemplo, ONNX, modelos PyTorch/scikit-learn en pickle, registros de modelos MLflow) incluso sin haber entrenado directamente los modelos

Responsabilidades: • Diseñar y mantener pipelines de datos en producción usando Python y Snowflake

• Dockerizar modelos de ML y artefactos complejos para despliegue containerizado

• Orquestar y escalar cargas de trabajo en Kubernetes, incluyendo servicios de model serving

• Transformar prototipos de investigación en código robusto, testeado y versionado

• Configurar y gestionar KServe (o plataformas equivalentes) para servir modelos en producción

• Automatizar procesos de ML mediante Kubernetes CronJobs y workflows programados

• Optimizar queries SQL en Snowflake para maximizar performance de pipelines

• Documentar y mantener la infraestructura mediante Helm charts

Beneficios: • Contrato a largo plazo.

• 100% Remoto.

• Vacaciones y PTOs

• Posibilidad de recibir 2 bonos al año.

• 2 revisiones salariales al año.

• Clases de inglés.

• Equipamiento Apple.

• Plataforma de cursos en linea

• Budget para compra de libros.

• Budget para compra de materiales de trabajo

• mucho mas..