400 - Senior Machine Learning Engineer

Cidenet; Colombia; Remote; COP 283,224,000 - 566,447,000; Full time

Job summary

Cidenet busca un Senior Machine Learning Engineer para su equipo de Data Science & AI en una plataforma logística, con enfoque en decisiones en tiempo real y optimización de rutas. Se trabajará en predicción de tiempos de entrega, costos y selección de transportistas, con énfasis en soluciones escalables en GPU y entornos containerizados.

Se requiere maestría o doctorado, dominio de Python y PyTorch, y experiencia en Docker/Kubernetes.

Qualifications

• Maestría o Doctorado en ML, CS, Estadística o áreas cuanti.
• Sólida experiencia en ML/Deep Learning y despliegue en producción.
• Conocimientos en optimización y VRP; experiencia con GPU.

Responsibilities

• Diseñar, entrenar e implementar modelos de ML para decisiones logísticas.
• Desarrollar soluciones de enrutamiento dinámico de vehículos y predicción ETA.
• Combinar modelos predictivos con optimización matemática (GPU).
• Implementar modelos en entornos productivos con Docker y Kubernetes.
• Evaluar offline/online, backtesting e indicadores de negocio.
• Monitorear drift y mejorar continuamente los modelos.

Skills

Python

Machine Learning

Deep Learning

Problem Solving

Comunicación

Education

Maestría o Doctorado en Machine Learning o áreas afines

Tools

Docker

Kubernetes

NVIDIA cuOpt

RAPIDS/cuDF

CUDA

OR-Tools

Gurobi

CPLEX

OSRM

PostGIS

Job description

Lideramos la transformación digital de los negocio.
Haz parte de nosotros para ser ese socio estratégico en desarrollo de software.

Descripción del empleo

Estamos buscando un(a) Senior Machine Learning Engineer para unirse al equipo de Data Science & AI de una plataforma logística estadounidense, de rápido crecimiento y desarrollada de forma nativa con inteligencia artificial.

La plataforma gestiona operaciones de entrega de última milla para grandes empresas de comercio y distribución, tomando decisiones en tiempo real sobre qué transportista, modalidad de transporte y ruta utilizar para cada pedido.

La persona seleccionada trabajará en el desarrollo y optimización del motor principal de toma de decisiones, abordando desafíos relacionados con enrutamiento dinámico, predicción de tiempos de entrega (ETA), tiempos de servicio, riesgo de entregas tardías, estimación de costos y selección de transportistas.

Buscamos un profesional con autonomía técnica, capaz de transformar necesidades de negocio en soluciones de Machine Learning, desde la definición del problema hasta su implementación y evaluación en producción.

Principales responsabilidades

Diseñar, entrenar e implementar modelos de Machine Learning para optimizar decisiones logísticas, incluyendo predicción de tiempos de entrega, tiempos de servicio, probabilidad de entregas tardías, éxito de intentos de entrega y estimación de costos.

Desarrollar soluciones avanzadas de enrutamiento dinámico de vehículos (VRP), considerando ventanas de tiempo, capacidad, cambios operativos y reoptimización de rutas.

Combinar modelos predictivos con técnicas de optimización matemática, utilizando herramientas aceleradas por GPU como NVIDIA cuOpt y RAPIDS/cuDF.

Optimizar el rendimiento de modelos y algoritmos mediante vectorización, procesamiento por lotes, paralelización y ajustes de rendimiento con CUDA.

Implementar modelos de Machine Learning en entornos productivos utilizando Docker y Kubernetes, garantizando escalabilidad, confiabilidad y baja latencia.

Diseñar estrategias de evaluación offline y online, incluyendo backtesting, pruebas A/B e indicadores de negocio como entregas a tiempo y costo por entrega.

Monitorear el comportamiento de los modelos, identificando desviaciones ( model drift ) y oportunidades de mejora.

Colaborar con los equipos de Data Science, Ingeniería y líderes técnicos para transformar problemas de negocio en soluciones analíticas y de optimización.

Formación académica: Maestría o doctorado en Machine Learning, Ciencias de la Computación, Estadística, Matemáticas Aplicadas, Investigación de Operaciones o áreas cuantitativas relacionadas. Se prefiere doctorado (PhD).

Python: Dominio avanzado y experiencia sólida en desarrollo de soluciones de Machine Learning.

PyTorch: Experiencia práctica en Deep Learning, entrenamiento y optimización de modelos.

CUDA y GPU Computing: Experiencia desarrollando u optimizando código acelerado por GPU, más allá del uso básico de frameworks.

Matemáticas y estadística: Conocimientos sólidos en probabilidad, inferencia estadística, álgebra lineal y optimización matemática.

Optimización de rendimiento: Experiencia en profiling, paralelización, vectorización, optimización de memoria y reducción de latencia.

Docker y Kubernetes: Experiencia desplegando y escalando modelos de Machine Learning en entornos productivos de alto rendimiento.

Ingeniería de software: Buenas prácticas de desarrollo, código limpio, pruebas, control de versiones y CI/CD.

Autonomía: Capacidad para definir, priorizar y desarrollar soluciones técnicas con mínima supervisión.

Comunicación: Habilidad para explicar decisiones y alternativas técnicas a equipos de ingeniería y stakeholders de negocio.

Inglés: Nivel profesional que permita trabajar y comunicarse diariamente con equipos ubicados en Estados Unidos.

Ubicación: Residir en Colombia y contar con disponibilidad para trabajar de manera remota, con coincidencia horaria diaria con el este de Estados Unidos.

Requisitos deseables

Experiencia en Investigación de Operaciones, optimización combinatoria, optimización estocástica y problemas de enrutamiento de vehículos (VRP).

Conocimiento de herramientas de optimización matemática como OR-Tools, Gurobi o CPLEX.

Experiencia con tecnologías NVIDIA como cuOpt, RAPIDS, cuDF, cuML, Triton Inference Server o TensorRT.

Experiencia en logística, cadena de suministro, movilidad, marketplaces, asignación de entregas, predicción de ETA o pronóstico de demanda.

Conocimientos en Reinforcement Learning y toma de decisiones secuenciales bajo incertidumbre.

Experiencia con herramientas geoespaciales como OSRM, H3, PostGIS y redes viales.

Conocimiento de herramientas MLOps como MLflow, Kubeflow, Airflow y Feature Stores.

Experiencia trabajando con servicios cloud de AWS, Google Cloud Platform o Azure.

Publicaciones académicas, patentes o contribuciones a proyectos open source relacionados con Machine Learning u optimización.

Condiciones y características de la oportunidad

Trabajo 100 % remoto desde Colombia: Posibilidad de trabajar desde cualquier ciudad del país.

Proyecto internacional: Participación en un equipo de Data Science & AI de una empresa tecnológica con sede en Estados Unidos.

Jornada de tiempo completo: Trabajo con coincidencia horaria diaria con el equipo estadounidense en Eastern Time.

Desafíos técnicos de alto nivel: Participación en proyectos de Machine Learning, optimización matemática y computación acelerada por GPU.

Tecnologías avanzadas: Trabajo con Python, PyTorch, CUDA, NVIDIA cuOpt, RAPIDS, Docker y Kubernetes.

Colaboración internacional: Interacción directa con líderes de Ciencia de Datos e Ingeniería.