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 ambiente 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.Objetivo del rolResponsable 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 inferenciaDiferencia entre entrenamiento e inferenciaModelos de clasificación, extracción, OCR, NLPCapacidad para:Consumir modelos ya entrenados por Data ScientistsEntender sus limitaciones, latencias y requisitos de recursosExperiencia con:Modelos pesados (CPU-bound)Inferencias síncronas y asíncronasBatch vs real-time inferenceNo se espera que entrene modelos, pero sí que los entienda lo suficiente para desplegarlos correctamente.Python avanzado orientado a backend / MLPython como lenguaje principalDominio de:Programación asíncrona (async/await)Concurrencia (threads, event loops, semaphores)Gestión de memoria y recursosExperiencia integrando:Librerías internas de Data Science (SDK corporativo)Frameworks de serving (ej. MLServer, FastAPI)Capacidad para:Detectar cuellos de botellaEvitar bloqueos de event loopDiseñar código "production-safe"Kubernetes y despliegue en entorno IBM Kubernetes (nivel medio–alto)Uso y configuración de:Pods, Deployments, ServicesConfigMaps y SecretsRequests / Limits de CPU y memoriaLiveness / Readine