Senior MLOps Platform Engineer for Bayesian Models

Cashea; Buenos Aires; On-site; ARS 91,385,000 - 182,771,000; Full time

Job summary

Cashea busca un/a Ingeniero/a de ML y MLOps con 5+ años de experiencia para construir la infraestructura de ML y MLops, desarrollando herramientas, pipelines y modelos en producción bajo prácticas de gobernanza.

Responsable de productizar modelos bayesianos, crear templates y SDKs en Python, y formar a Data Scientists para lograr alta autonomía, manteniendo la performance y observabilidad.

Qualifications

• 5+ años de experiencia en Ciencia de Datos, ML o MLOps.
• 2+ años trabajando con herramientas MLOps en producción.
• Experiencia construyendo SDKs/libraries Python para consumo interno.
• Experiencia con CI/CD pipelines (GitHub Actions, GitLab CI, Jenkins).
• Conocimiento de modelos bayesianos y su productización en producción.

Responsibilities

• Construir la infraestructura de ML y MLops para desarrollo, despliegue y mantenimiento de modelos en producción, con buenas prácticas industriales.
• Crear herramientas, SDKs y pipelines automatizados que garanticen reproducibilidad, observabilidad y gobernanza.
• Productización y mejora de modelos complejos (bayesianos, ensembles) con estándares enterprise.
• Desarrollar CLI tools para deployment automatizado (ml-deploy, ml-rollback).
• Establecer templates repositories con best practices (model template, API template).
• Documentar APIs y SDKs (Sphinx/MkDocs, tutorials, examples).
• Formación a Data Scientists para lograr >80% autonomía.
• Optimizar performance de modelos bayesianos en producción (MCMC, inference).
• Mantener y evolucionar SDKs/tooling.
• Mejorar arquitectura serving modelos complejos.
• Documentación continua (runbooks, troubleshooting guides).

Skills

Ciencia de Datos

Machine Learning

MLOps

Python avanzado

CI/CD pipelines

Docker y Kubernetes

SDKs Python

Tools

MLflow

Feast

PyMC

Stan

Docker

Kubernetes

GitHub Actions

Airflow

Job description

Cashea busca un/a Ingeniero/a de ML y MLOps con 5+ años de experiencia para construir la infraestructura de ML y MLops, desarrollando herramientas, pipelines y modelos en producción bajo prácticas de gobernanza.

Responsable de productizar modelos bayesianos, crear templates y SDKs en Python, y formar a Data Scientists para lograr alta autonomía, manteniendo la performance y observabilidad.