Machine Learning Engineer

5 days ago Be among the first 25 applicants This range is provided by DaCodes.. Your actual pay will be based on your skills and experience — talk with your recruiter to learn more. Trabaja en DaCodes Somos una firma de expertos en software y transformación digital de alto impacto. Durante 10 años hemos creado soluciones enfocadas en la tecnología e innovación gracias a nuestro equipo de +300 talentosos #DaCoders, incluyendo desarrolladores, arquitectos, diseñadores UX/UI, PMs, QA testers y más. Nuestro equipo colabora en proyectos con clientes en LATAM y Estados Unidos, logrando resultados sobresalientes. En DaCodes, tendrás la oportunidad de impulsar tu desarrollo profesional, trabajar en diversos proyectos dentro de distintas industrias, y contribuir al diseño, implementación y optimización de infraestructuras en la nube. Nuestros DaCoders tienen un gran impacto en el éxito de nuestro negocio y el de nuestros clientes. Serás el experto que participará en nuestros proyectos y tendrás acceso a startups disruptivas y marcas globales. ¿Te interesa? Base pay range $5,000.00/yr - $5,000.00/yr Requirements Perfil deseado Experiencia comprobable construyendo soluciones de Machine Learning en producción usando Amazon SageMaker (indispensable) Processing, Training y Pipelines Endpoints de inferencia Model Registry Deseable: Feature Store, Model Monitor, Data Wrangler Dominio de Python para datos y ML: pandas, numpy, scikit-learn. Experiencia con frameworks como XGBoost, LightGBM y/o PyTorch / TensorFlow. Experiencia sólida en MLOps: versionado, reproducibilidad, monitoreo, detección de drift y reentrenamiento. Conocimiento profundo de data preparation y data quality y su impacto en el desempeño de modelos. Experiencia en data sintética (simulación, muestreo, perturbación controlada o técnicas generativas). Conocimientos de seguridad y gobierno en AWS: IAM, KMS, auditoría y control de accesos. Capacidad para trabajar bajo metodologías ágiles, estimar esfuerzo y descomponer entregables. Comunicación clara y capacidad de documentar para audiencias técnicas y no técnicas. Nivel de experiencia: Senior o Semi-Senior avanzado. Requisitos adicionales Vacante abierta para LATAM. Modalidad de trabajo: Remota. Disponibilidad para colaborar con equipos distribuidos en diferentes zonas horarias. Principales responsabilidades Diseñar e implementar el pipeline completo de Machine Learning en Amazon SageMaker: ingesta de datos, feature engineering, entrenamiento, evaluación, despliegue, monitoreo y reentrenamiento. Construir procesos de preparación de datos: limpieza, normalización, deduplicación, imputación, validaciones y generación de datasets ML-ready (train/validation/test). Definir y operar un Feature Store en SageMaker (online/offline), asegurando consistencia, trazabilidad y reutilización. Implementar feature engineering con controles para evitar data leakage y garantizar reproducibilidad. Entrenar y evaluar modelos (principalmente de regresión) comparando enfoques como boosting, random forest y redes neuronales, utilizando métricas MAE, RMSE y R². Gestionar el versionado y ciclo de vida de modelos mediante SageMaker Model Registry (promoción, rollback, métricas y artefactos). Desplegar inferencias mediante SageMaker Endpoints y/o APIs, cuidando latencia, estabilidad y escalabilidad. Implementar monitoreo de modelos (drift, performance y data quality) con SageMaker Model Monitor y definir estrategias de reentrenamiento. Definir y operar procesos de ground truth: reglas de curación, validación, auditoría y consistencia de etiquetas. Diseñar e implementar estrategias de data sintética para pruebas tempranas, simulación de escenarios, balanceo de distribuciones y validación de modelos. Validar la data sintética en términos de fidelidad estadística, cobertura de casos, utilidad y control de sesgos. Implementar controles automatizados de calidad de datos y observabilidad de pipelines (alertas, runbooks). Participar en la estimación técnica del backlog de ML/MLOps, identificando dependencias, riesgos y planes de entrega. Documentar arquitectura, decisiones técnicas, supuestos y estándares operativos Benefits