Applied Ai/Ml Engineer

Futureproofing; Santa Fe Capital; Híbrido; ARS 1.800.000 - 3.200.000; Jornada completa

Descripción de la vacante

Futureproofing busca un Ingeniero/a ML/AI Senior con fuerte orientación a MLOps y experiencia en Python y soluciones de IA generativa. Será responsable de registrar experimentos, métricas y modelos, y de construir pipelines reproducibles para entrenamiento, validación e inferencia.

Se requieren ≥5 años en ML/AI engineering, con ≥2 en MLOps; residencia en Argentina o modalidad híbrida. También se valorará experiencia en entornos financieros y capacidad para liderar equipos multidisciplinarios.

Formación

• Mínimo 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 Argentina o disponibilidad para esquema híbrido.

Responsabilidades

• Registrar experimentos, métricas y modelos con trazabilidad.
• Construir pipelines reproducibles para entrenamiento, validación o inferencia.
• Mantener versiones de datos, artefactos y modelos, garantizando trazabilidad y colaboración.
• Liderar revisiones de arquitectura y favorecer escalabilidad, resiliencia y cumplimiento.

Conocimientos

Python

ML/GenAI frameworks

MLOps

LangChain

LangGraph

LlamaIndex

CrewAI

AutoGen

MLflow Tracking

Kubeflow Pipelines

Argo Workflows

AWS

SageMaker

Vertex AI

DVC

LakeFS

Prometheus

Grafana

OpenTelemetry

Evidently AI

WhyLabs

Vector DB

RAG & búsqueda semántica

GenAI services

Serverless

Liderazgo técnico

Herramientas

AWS

SageMaker

Vertex AI

Kubeflow Pipelines

Argo Workflows

DVC

LakeFS

Prometheus

Grafana

OpenTelemetry

Evidently AI

WhyLabs

AWS Bedrock

Azure OpenAI

Google Gemini

Anthropic Claude

AWS Lambda

Google Cloud Functions

Descripción del empleo

• Ofertas de Applied Ai Ml Engineer en Santa Fe

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
Lenguaje y frameworks de ML & Generative AI

• 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.