Applied Ai/Ml Engineer

Futureproofing; Ciudad de Mendoza; Híbrido; ARS 2.000.000 - 4.200.000; Jornada completa

Descripción de la vacante

Futureproofing está buscando un Ingeniero Senior de Machine Learning/IA con fuerte foco en MLOps y Python para soluciones de IA generativa. Registrar experimentos, métricas y modelos, y construir pipelines reproducibles para entrenamiento, validación e inferencia.

Trabajarás en mantener versiones de datos, artefactos y modelos, garantizar trazabilidad y colaborar con equipos multidisciplinarios. Se valora experiencia en despliegue de sistemas RAG y gobernanza de pipelines de IA.

Formación

• Se requiere sólida experiencia en ML/AI y MLOps.
• Dominio de Python y ecosistema científico (Pandas, NumPy, Polars).
• Experiencia con pipelines y registro de modelos (MLflow, Model Registry).
• Conocimiento de orquestación de workflows (Kubeflow, Argo, SageMaker).
• Capacidad de liderar iniciativas técnicas y coordinar equipos.

Conocimientos

Python

ML/AI Eng

MLOps

GenAI Frameworks

MLflow

Pipelines

Herramientas

Kubeflow

Argo

DVC

LakeFS

Descripción del empleo

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

• Python (tipos, Pydantic, AsyncIO) con ecosistema científico (Pandas, NumPy,Polars).
• 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
• 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.
• 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.