Remote Ml Engineer - Large-Scale Recommender Systems

Quora, Inc.; Santa Fe Capital; Híbrido; ARS 136.732.000 - 182.310.000; Jornada completa

Descripción de la vacante

Quora, Inc. busca un Ingeniero Senior de ML/IA con enfoque en MLOps y Python, y capacidad para trabajar como AI Engineer en soluciones de IA generativa.

Será responsable de registrar experimentos, métricas y modelos, construir pipelines reproducibles para entrenamiento, validación o inferencia y mantener trazabilidad de datos, artefactos y modelos para colaborar eficazmente.

Formación

• Conocimientos en ML y Generative AI.
• Python 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: Prometheus, Grafana, OpenTelemetry.
• Calidad de datos/modelos: Evidently AI, WhyLabs.

Responsabilidades

• Registrar experimentos, métricas y modelos.
• Construir pipelines reproducibles para entrenamiento, validación o inferencia.
• Mantener versiones de datos, artefactos y modelos con trazabilidad y colaboración.
• Diseñar y gobernar pipelines de ML y LLMs (entrenamiento, tuning, inferencia, retraining).
• Desplegar modelos ML en producción.
• Liderar revisiones de arquitectura con foco en escalabilidad y compliance.
• Colaborar en la operación del equipo y RFPs.

Conocimientos

Python

ML/AI engineering

MLOps

Generative AI

Pipelines reproducibles

Experiment tracking

Model registry

LangChain

Kubeflow Pipelines

Argo Workflows

Vector stores

RAG

Data & model versioning

Herramientas

MLflow Tracking

Model Registry

LangChain

LangGraph

LlamaIndex

CrewAI

AutoGen

DVC

LakeFS

Prometheus

Grafana

OpenTelemetry

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 tampoco 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.