IA Machine Learning - Senior

Inetum es una compañía global de servicios de tecnología e innovación digital, presente en más de 26 países. En Colombia, Inetum ofrece soluciones tecnológicas avanzadas que impulsan la transformación digital de empresas en diversos sectores, brindando servicios en consultoría, desarrollo de software, integración de sistemas, outsourcing y soporte técnico.

Con un enfoque en la agilidad y adaptabilidad, Inetum Colombia busca crear valor para sus clientes mediante la implementación de tecnologías innovadoras que mejoren la eficiencia y productividad. Nuestro equipo está compuesto por expertos en diversas áreas tecnológicas que trabajan en un entorno colaborativo, dinámico y orientado a resultados. Únete a Inetum y sé parte de una compañía que está transformando el futuro de las empresas a través de la tecnología.

Estamos en búsqueda de profesionales en Ingeniería de Sistemas, Electrónica o carreras afines, con más de 5 años de experiencia en el diseño e implementación de arquitecturas de Machine Learning a escala, desarrollo de soluciones avanzadas basadas en modelos de lenguaje (LLMs) y construcción de plataformas robustas de datos y ML.

Buscamos un perfil con sólida experiencia en MLOps, LLMOps, gobernanza de modelos, optimización de costos e infraestructura distribuida, capaz de diseñar sistemas resilientes, escalables y seguros, enfocados en la generación de valor a partir de datos y modelos de inteligencia artificial.

Responsabilidades

• Diseñar, desarrollar e implementar arquitecturas de Machine Learning y LLMs a escala, asegurando alto rendimiento, escalabilidad y eficiencia en costos mediante estrategias de optimización.
• Definir e implementar prácticas de LLMOps, incluyendo técnicas de prompt optimization, control de versiones de prompts y gestión de costos en inferencias.
• Diseñar sistemas basados en embeddings personalizados, garantizando precisión semántica y eficiencia en soluciones como RAG (Retrieval-Augmented Generation).
• Liderar procesos de entrenamiento distribuido de modelos, optimizando el uso de recursos de infraestructura y reduciendo tiempos de cómputo.
• Implementar y gobernar frameworks de MLOps, asegurando trazabilidad, versionamiento, monitoreo y ciclo de vida completo de modelos.
• Diseñar e implementar estrategias de evaluación de modelos, incluyendo pruebas A/B a gran escala y métricas avanzadas de desempeño.
• Garantizar la seguridad, privacidad y cumplimiento en el uso de modelos de ML y GenAI, incorporando controles de acceso, manejo de datos sensibles y buenas prácticas de gobernanza.
• Participar en revisiones de código (code review), asegurando estándares de calidad, mantenibilidad y buenas prácticas de desarrollo.
• Construir y optimizar pipelines de datos y ML para procesamiento batch y streaming, asegurando disponibilidad y confiabilidad.
• Productivizar soluciones de ML mediante APIs y servicios desacoplados, listos para consumo en arquitecturas empresariales.

Requisitos

Programación y frameworks

• Experiencia avanzada en Python y frameworks de Machine Learning (TensorFlow, PyTorch).
• Conocimiento sólido en desarrollo de APIs (FastAPI) e integración de servicios.
• Experiencia en frameworks de LLMs, incluyendo LangChain u otras herramientas del ecosistema.

MLOps & LLMOps

• Experiencia con herramientas como MLflow y Kubeflow para orquestación, tracking y despliegue de modelos.
• Conocimiento en gobernanza de modelos, versionamiento y monitoreo continuo.

Cloud & Infraestructura

• Experiencia en servicios cloud (preferiblemente AWS) para despliegue de soluciones de ML.
• Infraestructura como código (IaC) utilizando herramientas como Terraform, CloudFormation o similares.
• Conocimiento en entrenamiento distribuido y optimización de recursos en la nube.

Ingeniería de datos

• Experiencia en procesamiento de datos con Spark, Athena, Glue o tecnologías equivalentes.
• Manejo de grandes volúmenes de datos estructurados y no estructurados.

Orquestación & Streaming

• Experiencia en orquestadores como Airflow, Prefect, Step Functions o similares.
• Conocimiento en procesamiento de datos en tiempo real con herramientas como Kinesis, Kafka o equivalentes.

CI/CD

• Implementación de pipelines de integración y despliegue continuo para soluciones de datos y ML.

Monitoreo

• Experiencia en herramientas de monitoreo como CloudWatch o equivalentes para observabilidad de modelos y pipelines.

Habilidades blandas

• Pensamiento estratégico y analítico para diseñar soluciones de ML complejas alineadas con objetivos de negocio.
• Capacidad para liderar iniciativas técnicas y tomar decisiones sobre arquitecturas de alto impacto.
• Habilidad para comunicar conceptos complejos de IA y datos a audiencias técnicas y no técnicas.
• Proactividad en la identificación de riesgos, optimización de costos y mejora continua de procesos.
• Trabajo colaborativo y liderazgo técnico en equipos multidisciplinarios.
• Organización y gestión efectiva del tiempo en entornos dinámicos y con múltiples iniciativas simultáneas.
• Enfoque en calidad, seguridad y gobernanza en el desarrollo de soluciones de inteligencia artificial.