Python Engineer & ML Infrastructure

Improving South America; Perú; Presencial; USD 90.000 - 150.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Remote work

Vacation/PTOs

English classes

Apple equipment

Online courses platform

Books budget

Materials budget

Descripción de la vacante

Improving South America busca un/a ingeniero/a de datos para diseñar y mantener pipelines en producción usando Python y Snowflake. Podrá dockerizar modelos de ML y orquestar cargas en Kubernetes, convirtiendo prototipos de investigación en código robusto y testeable.

El rol es 100% remoto, con oportunidades de aprendizaje continuo y equipamiento Apple. Se valorará experiencia con KServe o similares, habilidades en SQL de Snowflake y buenas prácticas de DevOps.

Formación

• Python 3.12+ imprescindible y producción sólido
• Snowflake: manejo y optimización de SQL
• Docker: construcción y empaquetado de imágenes
• Kubernetes: despliegue y operación de cargas de trabajo
• Capacidad de convertir prototipos de investigación en código productor
• Inglés intermedio-avanzado obligatorio

Responsabilidades

• Diseñar y mantener pipelines de datos en producción usando Python y Snowflake
• Dockerizar modelos de ML y artefactos complejos para despliegue containerizado
• Orquestar y escalar cargas de trabajo en Kubernetes, incluyendo services de model serving
• Transformar prototipos de investigación en código robusto y versionado
• Configurar y gestionar KServe u plataformas equivalentes para servir modelos en producción
• Automatizar procesos de ML con Kubernetes CronJobs y workflows programados
• Optimizar queries SQL en Snowflake para rendimiento de pipelines
• Documentar y mantener la infraestructura con Helm charts

Conocimientos

Python

Snowflake

Docker

Kubernetes

Ingles (Intermedio-Avanzado)

Herramientas

Python

Snowflake

Docker

Kubernetes

KServe

Descripción del empleo

En Improving South America, brindamos servicios de TI para transformar la percepción del profesional de TI. Nos enfocamos en consultoría de TI, desarrollo de software y formación ágil.

La empresa promueve una cultura de trabajo excepcional basada en el trabajo en equipo, la excelencia y la diversión, con enfoque en crecimiento personal y recompensas compartidas. Al integrarse, el/la candidato/a formará parte de una comunidad que prioriza la comunicación abierta y relaciones laborales sólidas a largo plazo, respaldada por una estructura de desarrollo profesional y aprendizaje continuo.

Funciones del cargo

• Diseñar y mantener pipelines de datos en producción usando Python y Snowflake
• Dockerizar modelos de ML y artefactos complejos para despliegue containerizado
• Orquestar y escalar cargas de trabajo en Kubernetes, incluyendo servicios de model serving
• Transformar prototipos de investigación en código robusto, testeado y versionado
• Configurar y gestionar KServe (o plataformas equivalentes) para servir modelos en producción
• Automatizar procesos de ML mediante Kubernetes CronJobs y workflows programados
• Optimizar queries SQL en Snowflake para maximizar performance de pipelines
• Documentar y mantener la infraestructura mediante Helm charts

Requerimientos del cargo

• Python 3.12+ (imprescindible) — Python sólido en producción, no solo nivel de scripting
• Snowflake (imprescindible) — cómodo escribiendo y optimizando SQL contra Snowflake como fuente de datos y destino para salida de pipelines
• Docker (imprescindible) — construcción y optimización de imágenes de contenedores, incluyendo empaquetamiento de artefactos de modelos ML y sus dependencias de tiempo de ejecución en imágenes desplegables
• Kubernetes (imprescindible) — despliegue y operación de cargas de trabajo en Kubernetes; comprensión de pods, deployments, límites de recursos y redes básicas de clúster
• Capacidad de tomar un prototipo de nivel de investigación y convertirlo en código de producción comprobado, mantenible y programado
• Inglés intermedio-avanzado o avanzado (indispensable)

Preferido

• Experiencia específica con Kubernetes CronJob (programación, política de concurrencia, límites de reintento, manejo del historial de fallos)
• Experiencia con plataforma de model serving KServe o equivalente (Seldon, BentoML, o similar), ya que la construcción de un clúster KServe es la siguiente fase definida de este rol
• Familiaridad con conceptos de clustering/estadísticas utilizados en el prototipo: K-means con auto-K vía puntuación de silueta, Jenks Natural Breaks para tiering, normalización/ponderación de características Autoría de gráficos Helm para empaquetamiento de cargas de trabajo de Kubernetes
• Experiencia con formatos de artefactos de modelos y convenciones de empaquetamiento (por ejemplo, ONNX, modelos PyTorch/scikit-learn en pickle, registros de modelos MLflow) incluso sin haber entrenado directamente los modelos

Condiciones

• Contrato a largo plazo.
• 100% Remoto.
• Vacaciones y PTOs
• Posibilidad de recibir 2 bonos al año.
• 2 revisiones salariales al año.
• Clases de inglés.
• Equipamiento Apple.
• Plataforma de cursos en linea
• Budget para compra de libros.
• Budget para compra de materiales de trabajo
• mucho mas..