MLE Consultant
21 days ago
Foz
Ingeniero/a de Machine Learning orientado/a a producción, con fuerte base en Python y Kubernetes, capaz de desplegar y operar modelos de IA en un entorno corporativo IBM, integrándose con equipos de Data Science y Software Engineering, con foco en sistemas de gestión documental inteligente, observabilidad, estabilidad y cumplimiento de SLAs. Por favor, lea detenidamente la siguiente descripción del puesto para asegurarse de que encaja con el perfil antes de enviar su solicitud. Objetivo del rol Responsable de operacionalizar, desplegar, monitorizar y mantener modelos de IA en un entorno corporativo basado en Kubernetes (IBM Cloud / IKS), garantizando rendimiento, escalabilidad, estabilidad y trazabilidad, actuando como puente técnico entre Data Science, Software Engineering y negocio. El foco principal es gestión documental inteligente (OCR, clasificación, extracción, procesamiento de documentos) mediante microservicios de IA. Conocimientos técnicos fundamentales (core skills) Machine Learning aplicado (orientado a producción) • Comprensión sólida de:, • Pipelines de inferencia, • Diferencia entre entrenamiento e inferencia, • Modelos de clasificación, extracción, OCR, NLP, • Capacidad para:, • Consumir modelos ya entrenados por Data Scientists, • Entender sus limitaciones, latencias y requisitos de recursos, • Experiencia con:, • Modelos pesados (CPU-bound), • Inferencias síncronas y asíncronas Python avanzado orientado a backend / ML • Python como lenguaje principal, • Dominio de:, • Programación asíncrona (async/await), • Concurrencia (threads, event loops, semaphores), • Gestión de memoria y recursos, • Experiencia integrando:, • Librerías internas de Data Science (SDK corporativo), • Frameworks de serving (ej. MLServer, FastAPI), • Capacidad para:, • Detectar cuellos de botella, • Evitar bloqueos de event loop Kubernetes (nivel medio–alto) • Uso y configuración de:, • Pods, Deployments, Services, • ConfigMaps y Secrets, • Requests / Limits de CPU y memoria, • Liveness / Readiness probes, • Comprensión de:, • Escalado horizontal (HPA), • Comportamiento de múltiples workers, • Impacto del paralelismo en modelos IA, • Capacidad para:, • Ajustar recursos según carga real, • Experiencia o familiaridad con:, • IBM Kubernetes Service (IKS), • IBM Cloud Object Storage, • IBM Log Analysis / LogDNA, • Entender restricciones de:, • Red corporativa, • Proxies (Istio, ingress), • Diseño y operación de:, • Microservicios de inferencia, • APIs REST (FastAPI), • Integración con:, • Servicios de backend del equipo de Software Engineering, • Sistemas de almacenamiento documental, • Gestión de:, • Versionado de modelos, • Versionado de APIs, • Compatibilidad hacia atrás, • Capacidad para:, • Diagnosticar errores en producción Monitorización de recursos • Uso de Grafana para:, • CPU / memoria, • Latencias, • Throughput, • Saturación de workers, • Capacidad para:, • Interpretar métricas, • Uso de IBM Log Analysis para:, • Analizar errores en microservicios, • Correlacionar eventos, • Detectar patrones anómalos, • Buenas prácticas de:, • Logging estructurado, • Niveles de log (INFO / WARNING / ERROR), • Comprensión funcional de:, • OCR, • Clasificación de documentos, • Extracción de información, • Conversión de formatos (PDF, Office, imágenes), • Capacidad para:, • Traducir necesidades de negocio a flujos técnicos, • Ajustar pipelines según tipo documental, • Sensibilidad a:, • Calidad del dato Con Data Science • Capacidad para:, • Integrar modelos sin modificar su lógica, • Proponer cambios orientados a producción (no a investigación), • Comunicación fluida sobre:, • Latencias, • Consumo de xsgfvud recursos, • Entender:, • Contratos de API, • Requisitos de integración, • SLAs, • Capacidad para:, • Entender requisitos funcionales explicados por Project Managers, • Convertirlos en:, • Requisitos técnicos, • Configuración de servicios, • Métricas observables, • Mentalidad de:, • Prioridad, • Impacto, • Trabajo habitual en Windows:, • Python, • Docker, • IDEs (VS Code, PyCharm), • Capacidad para:, • Replicar localmente el stack de Kubernetes (parcial), • Depurar problemas antes de subir a cloud, • Uso de:, • Git, • Entornos virtuales, • Mentalidad operacional (production-first), • Capacidad de análisis bajo presión, • Comunicación clara con perfiles técnicos y no técnicos, • Autonomía y responsabilidad, • · Contrato en modalidad Freelance Full time, • · Oferta económica: 240€ / 320€ jornada + IVA (según experiencia aportada), • · Proyecto de Larga Duración. Recurrencia en Proyectos, • · Localización: España – Teletrabajo 100%
