Machine Learning Engineer

Mercado Libre; Bogotá; Híbrido; COP 110.000.000 - 180.000.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Hybrid work model

Oportunidades de desarrollo

Descripción de la vacante

Mercado Libre en Bogotá busca un Machine Learning Engineer para diseñar y escalar sistemas innovadores y seguros que resuelvan problemas reales de alto impacto.

Trabajarás en un entorno dinámico con tecnología de vanguardia, aplicando modelos de IA propios y aprendizaje continuo, para democratizar el comercio electrónico y los servicios financieros en América Latina.

Participarás en pipelines de datos, evaluaciones rigurosas y soluciones de baja latencia, manteniendo código limpio y escalable.

Formación

• Dominar el ciclo de vida completo de modelos de Computer Vision y NLP, entrenamiento, evaluación e inferencia.
• Experiencia sirviendo modelos para baja latencia utilizando PyTorch, HuggingFace y ONNX.
• Experiencia en LLMs y flujos agénticos, context engineering y RAG.
• Conocimiento de LangChain/LangGraph o Google SDK para orquestación de ML.
• Conocimientos de Evals para medir impacto y evitar regresiones.
• Manejo de pipelines de datos y prácticas de CI/CD en ML.

Responsabilidades

• Diseñar y evolucionar soluciones de inferencia de baja latencia.
• Dominar el ciclo de vida de LLMs/VLMs y flujos agénticos.
• Construir pipelines de evaluación reproducibles.
• Iterar con prompt learning y data-driven para mejorar recall y precisión.
• Definir componentes y contratos con Spec Driven Development.
• Desarrollar pipelines de datos para entrenamiento y evaluación.

Conocimientos

Low latency inference

LLMs/VLMs

Context Engineering

Prompt engineering

Prompt learning

Python

CI/CD

BigQuery

SQL

Herramientas

PyTorch

HuggingFace

ONNX

vLLM

Llama.cpp

LangChain

LangGraph

Google SDK

Descripción del empleo

Como Machine Learning Engineer en Mercado Libre, diseñarás y escalarás sistemas innovadores y seguros que resuelven problemas reales y de alto impacto. Trabajarás en un entorno dinámico con tecnología de vanguardia, aplicando buenas prácticas de ingeniería, modelos de IA propios y aprendizaje continuo, con el propósito de democratizar el comercio electrónico y los servicios financieros en América Latina.

Imagináte emprendiendo proyectos desafiantes, dinámicos e innovadores y siendo responsable de:

• Diseñar y evolucionar soluciones de Inferencia de Baja Latencia: Llevar modelos de Computer Vision y NLP a producción optimizando el throughput y el consumo de recursos, garantizando tiempos de respuesta compatibles con la experiencia en vivo.


• Dominar el ciclo de vida de LLMs/VLMs: Desde la exploración y el context engineering hasta la implementación de flujos agénticos que puedan razonar sobre contenido multimedia.


• Garantizar la calidad mediante Evals: Construir pipelines de evaluación rigurosos para medir de forma reproducible el impacto de cada cambio en los modelos, prompts o flujos, mitigando regresiones y alucinaciones.


• Iterar sistemáticamente: Aplicar técnicas de prompt learning e iteración continua basadas en datos para maximizar el recall y la precisión de nuestras soluciones.


• Diseñar Arquitectónicamente y Spec Driven Development: Liderar la definición de componentes y contratos claros utilizando Spec Driven Development antes de escribir código, asegurando sistemas robustos, testeables y mantenibles en el tiempo.


• Construir el motor de datos: Desarrollar los pipelines de datos necesarios para alimentar el entrenamiento, fine-tuning y evaluación continua de los modelos.

¿Cuáles son los requisitos?

• Dominar el ciclo de vida completo de modelos de Computer Vision y NLP, entrenamiento, evaluación e inferencia.


• Tener experiencia optimizando y sirviendo modelos para baja latencia utilizando PyTorch, HuggingFace, formatos de serialización como ONNX, y motores de inferencia modernos de alto rendimiento como vLLM o Llama.cpp.


• Contar con experiencia real en el ciclo de vida de soluciones basadas en LLMs: técnicas avanzadas de Context Engineering, RAG, y metodologías sistemáticas de Prompt Iteration / Prompt Learning.


• Demostrar experiencia en el desarrollo de flujos agénticos y orquestación compleja utilizando LangChain, LangGraph o el Google SDK. Tener experiencia configurando y analizando métricas con frameworks de Evals para LLMs (ej. LangSmith, Ragas u homólogos).


• Manejar técnicas de Fine-Tuning eficiente de modelos como QLoRA para ajustar modelos fundacionales a nuestros casos de negocio.


• Tener dominio avanzado de Python aplicando buenas prácticas de ingeniería de software: Clean Architecture, testing automatizado y pipelines de CI/CD.


• Tener experiencia en la creación de pipelines de datos masivos usando BigQuery y SQL avanzado para extraer datasets de entrenamiento y evaluación.

¿Te animás a dejar huella en la tecnología de América Latina?

Modalidad de trabajo híbrida. Site Bogotá, Colombia.