Ingeniero/a de Machine Learning orientado/a a producción, con robusto 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. La experiencia que se espera de los solicitantes, así como las habilidades y cualificaciones adicionales necesarias para este trabajo, se enumeran a continuación. 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 Batch vs real-time inference No se espera que entrene modelos, pero sí que los entienda lo suficiente para desplegarlos correctamente. 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 bloq