Consultor MLOps: Infraestructura y CI/CD de Modelos

Capgemini; Aguascalientes; Hybrid; MXN 420,000 - 780,000; Full time

Job summary

Capgemini México busca un profesional de Machine Learning con experiencia en MLOps para diseñar, desplegar y mantener modelos en entornos productivos, asegurando escalabilidad y monitoreo. Colaborarás con Data Science, DevOps y Arquitectura para optimizar flujos y garantizar gobernanza.

Se requieren más de 2 años en MLOps o DevOps aplicado a IA, experiencia con MLflow, Kubeflow, Airflow, Docker y Kubernetes, y habilidades analíticas, comunicación y gestión de proyectos en entornos ágiles.

Qualifications

• Más de 2 años en MLOps o DevOps aplicado a proyectos de IA.
• Experiencia en herramientas como MLflow, Kubeflow, Airflow, Docker, Kubernetes
• Habilidades: pensamiento analítico y resolución de problemas.
• Comunicación efectiva con usuarios técnicos y funcionales.
• Capacidad para traducir requerimientos de negocio en soluciones técnicas BI.
• Experiencia en metodologías ágiles (Scrum, Kanban) y gestión de proyectos.

Responsibilities

• Diseñar, implementar y optimizar la infraestructura y procesos para el ciclo de vida completo de modelos de ML, asegurando su despliegue, monitoreo y mantenimiento en entornos productivos.
• Definir y construir pipelines de CI/CD para modelos de ML.
• Automatizar procesos de entrenamiento, validación y despliegue de modelos.
• Integrar herramientas de versionado de datos y modelos (DVC, MLflow).
• Implementar prácticas de monitoreo y retraining para modelos en producción.
• Garantizar la seguridad, gobernanza y cumplimiento normativo en el ciclo de vida de ML.

Skills

MLOps

IA DevOps

Kubeflow

MLflow

Airflow

Docker

Kubernetes

CI/CD

Análisis de datos

Tools

MLflow

Kubeflow

Airflow

Docker

Kubernetes

Job description

Capgemini México busca un profesional de Machine Learning con experiencia en MLOps para diseñar, desplegar y mantener modelos en entornos productivos, asegurando escalabilidad y monitoreo. Colaborarás con Data Science, DevOps y Arquitectura para optimizar flujos y garantizar gobernanza.

Se requieren más de 2 años en MLOps o DevOps aplicado a IA, experiencia con MLflow, Kubeflow, Airflow, Docker y Kubernetes, y habilidades analíticas, comunicación y gestión de proyectos en entornos ágiles.