DevOps / Platform Engineer (orientado a MLOps)

GPU Solutions; Madrid; Híbrido; EUR 40.000 - 60.000; Jornada completa

Descripción de la vacante

Una empresa de soluciones tecnológicas busca un DevOps / Platform Engineer para desarrollar infraestructura de IA en entornos híbridos en España. El candidato ideal tendrá entre 2 y 5 años de experiencia, sólida formación en Linux, y habilidades en Docker y Kubernetes. Se ofrece autonomía, un entorno afín a la innovación y oportunidades de crecimiento profesional en proyectos de IA y MLOps.

Servicios

Infraestructura de GPUs puntera

Autonomía en proyectos

Crecimiento hacia arquitectura de plataforma

Formación

• 2–5 años de experiencia en roles tipo DevOps / SRE.
• Fuerte experiencia con Linux a nivel administración.
• Experiencia con orquestadores como Kubernetes.
• Experiencia con monitorización y logs centralizados.
• Deseo de aprender sobre inferencia en GPU.

Responsabilidades

• Diseñar y operar la plataforma de servicios de IA.
• Desplegar modelos como APIs de inferencia.
• Colaborar con el equipo de data science en empaquetar modelos.
• Encargarte de la operación y fiabilidad de la plataforma.
• Colaborar con el Ingeniero de Redes & Seguridad.

Conocimientos

Experiencia en DevOps / SRE / Platform Engineer

Linux administración

Docker

Kubernetes o similar

Pipelines de CI / CD

Monitorización (Prometheus, Grafana)

Logs centralizados

Python para tooling interno

Conocimientos básicos de redes y seguridad

Experiencia en entornos híbridos

Descripción del empleo

Seguimos desarrollando la

infraestructura soberana de IA para empresas

, con clústeres de GPUs en centros de datos en España, pensada como complemento a las nubes públicas en entornos híbridos y on-prem

Buscamos un / a

DevOps / Platform Engineer

que quiera ser pieza clave de esta plataforma : alguien que disfrute convirtiendo modelos de IA en APIs robustas, escalables y bien monitorizadas, y que tenga ganas de trastear con GPUs de verdad, no solo con CPUs en la nube.

La sede del equipo está en Granada (modelo híbrido / remoto desde España) y el datacenters en varias localizaciones.

Responsabilidades

• Diseñar y operar la plataforma de servicios de IA
• Despliegue de modelos como APIs de inferencia (REST / gRPC).
• Uso de contenedores (Docker) y orquestación (Kubernetes, K3s u otro similar).
• Trabajar codo con codo con el equipo de data science para:
• Empaquetar modelos (LLMs, visión, modelos propios) en servicios productivos.
• Ajustar configuración para aprovechar bien las GPUs (batching, concurrencia, etc.).
• Encargarte de la operación y fiabilidad de la plataforma:
• Métricas de latencia, throughput y uso de recursos (GPU / CPU / memoria).
• Logs centralizados y alertas.
• Procedimientos de rollback y redeploy de versiones de modelo.
• Colaborar con el / la Ingeniero / a de Redes & Seguridad para:
• Exponer endpoints de forma segura (API gateway, autenticación).
• Separar entornos (desarrollo / pruebas / producción).

Requisitos imprescindibles

• 2–5 años aprox. de experiencia en roles tipo DevOps / SRE / Platform Engineer / Backend con mucha infra
• Sólida experiencia con Linux a nivel administración.
• Docker
• Algún orquestador (Kubernetes, K3s, Nomad, ECS…).
• Haber trabajado con servicios en producción
• Pipelines de CI / CD.
• Monitorización (Prometheus, Grafana u otras).
• Logs centralizados (ELK, Loki, etc.).
• Ganas reales de aprender y profundizar en Inferencia sobre GPU y servidores de modelos (Triton, vLLM, TGI, etc.), aunque todavía no los domines.
• Se valorará haber desplegado modelos de ML en producción (aunque sea en proyectos pequeños).
• Experiencia con Python para tooling interno.
• Conocimientos básicos de redes y seguridad (firewall, VPN, TLS).
• Experiencia en entornos híbridos (on-prem + cloud).

Qué ofrecemos

• Trabajar con infraestructura de GPUs puntera en España, en proyectos reales de IA.
• Mucha autonomía y posibilidad de construir cosas casi desde cero.
• Crecimiento hacia arquitectura de plataforma.
• MLOps avanzado si te interesa ese camino.
• Entorno pequeño y ágil, con impacto directo en decisiones técnicas y de producto.