ML Engineer Senior - MLOps en GCP y Vertex AI

TECDATA ENGINEERING; United States; Remote; USD 68,000 - 101,000; Full time

Job summary

TECDATA ENGINEERING busca un ML Engineer senior para industrializar, desplegar y mantener en producción modelos de ML desarrollados por Data Science. Se trabajará con GCP, Vertex AI y pipelines para convertir desarrollos analíticos en soluciones productivas, escalables y monitorizadas.

La posición implica implementar prácticas de Ingeniería de Software, testing y control de versiones, optimizando pipelines y recursos en la nube, con atención a data drift y rendimiento de modelos en producción.

Qualifications

• Experiencia sólida como ML Engineer / MLOps.

Responsibilities

• Industrializar modelos de ML para producción.
• Desplegar modelos como procesos batch o servicios sobre GCP.
• Trabajar con Vertex AI Pipelines y Airflow.
• Diseñar soluciones con alta disponibilidad y escalabilidad.
• Transformar código de Data Scientists en código productivo y mantenible.
• Aplicar buenas prácticas de ingeniería de software: Testing, control de versiones, modularidad, calidad de código.
• Optimizar pipelines de ML.
• Optimizar almacenamiento y consulta de datos.
• Trabajar con Airflow y Control-M para planificación y ejecución de procesos.
• Implementar monitorización y alertas.
• Detectar data drift y degradación del rendimiento de modelos.
• Optimizar consumo de recursos en cloud.
• Soportar modelos en producción.
• Atender incidencias 2N.

Skills

ML Engineer/MLOps

GCP

Vertex AI/Pipelines

Airflow

Python production

Software engineering practices

Model monitoring

Batch/Service deployment

Control-M

Data drift monitoring

Tools

Vertex AI Pipelines

Airflow

Control-M

GCP

Job description

TECDATA ENGINEERING busca un ML Engineer senior para industrializar, desplegar y mantener en producción modelos de ML desarrollados por Data Science. Se trabajará con GCP, Vertex AI y pipelines para convertir desarrollos analíticos en soluciones productivas, escalables y monitorizadas.

La posición implica implementar prácticas de Ingeniería de Software, testing y control de versiones, optimizando pipelines y recursos en la nube, con atención a data drift y rendimiento de modelos en producción.