Descripción del trabajo
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.
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:
o Pipelines de inferencia
o Diferencia entre entrenamiento e inferencia
o Modelos de clasificación, extracción, OCR, NLP
* Capacidad para:
o Consumir modelos ya entrenados por Data Scientists
o Entender sus limitaciones, latencias y requisitos de recursos
* Experiencia con:
o Modelos pesados (CPU-bound)
o Inferencias síncronas y asíncronas
o 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:
o Programación asíncrona (async/await)
o Concurrencia (threads, event loops, semaphores)
o Gestión de memoria y recursos
* Experiencia integrando:
o Librerías internas de Data Science (SDK corporativo)
o Frameworks de serving (ej. MLServer, FastAPI)
* Capacidad para:
o Detectar cuellos de botella
o Evitar bloqueos de event loop
o Diseñar código \"production-safe\"
Kubernetes y despliegue en entorno IBM
Kubernetes (nivel medio–alto)
* Uso y configuración de:
o Pods, Deployments, Services
o ConfigMaps y Secrets
o Requests / Limits de CPU y memoria
o Liveness / Readiness probes
* Comprensión de:
o Escalado horizontal (HPA)
o Comportamiento de múltiples workers
o Impacto del paralelismo en modelos IA
* Capacidad para:
o Ajustar recursos según carga real
o Analizar problemas de saturación o colas
Entorno IBM Cloud
* Experiencia o familiaridad con:
o IBM Kubernetes Service (IKS)
o IBM Cloud Object Storage
o IBM Log Analysis / LogDNA
* Entender restricciones de:
o Red corporativa
o Proxies (Istio, ingress)
o Seguridad y compliance
Arquitectura de microservicios de IA
* Diseño y operación de:
o Microservicios de inferencia
o APIs REST (FastAPI)
* Integración con:
o Servicios de backend del equipo de Software Engineering
o Sistemas de almacenamiento documental
* Gestión de:
o Versionado de modelos
o Versionado de APIs
o Compatibilidad hacia atrás
* Capacidad para:
o Diagnosticar errores en producción
o Analizar trazas entre servicios
Observabilidad, monitorización y operación
Monitorización de recursos
* Uso de Grafana para:
o CPU / memoria
o Latencias
o Throughput
o Saturación de workers
* Capacidad para:
o Interpretar métricas
o Ajustar configuración en base a datos reales
Logging y debugging
* Uso de IBM Log Analysis para:
o Analizar errores en microservicios
o Correlacionar eventos
o Detectar patrones anómalos
* Buenas prácticas de:
o Logging estructurado
o Niveles de log (INFO / WARNING / ERROR)
o Logs seguros (sin datos sensibles)
Gestión documental inteligente (domain knowledge)
* Comprensión funcional de:
o OCR
o Clasificación de documentos
o Extracción de información
o Conversión de formatos (PDF, Office, imágenes)
* Capacidad para:
o Traducir necesidades de negocio a flujos técnicos
o Ajustar pipelines según tipo documental
* Sensibilidad a:
o Calidad del dato
o Casos borde (documentos corruptos, escaneados, grandes volúmenes)
Colaboración inter-equipos
Con Data Science
* Capacidad para:
o Integrar modelos sin modificar su lógica
o Proponer cambios orientados a producción (no a investigación)
* Comunicación fluida sobre:
o Latencias
o Consumo de recursos
o Limitaciones técnicas
Con Software Engineering
* Entender:
o Contratos de API
o Requisitos de integración
o SLAs
o Hablar el mismo \"lenguaje técnico\" que backend engineers
Traducción de negocio a técnico
* Capacidad para:
o Entender requisitos funcionales explicados por Project Managers
o Convertirlos en:
+ Requisitos técnicos
+ Configuración de servicios
+ Métricas observables
o Mentalidad de:
+ Prioridad
+ Impacto
+ Coste vs beneficio técnico
Entorno local y herramientas de desarrollo (Windows)
* Trabajo habitual en Windows:
o Python
o Docker
o IDEs (VS Code, PyCharm)
* Capacidad para:
o Replicar localmente el stack de Kubernetes (parcial)
o Depurar problemas antes de subir a cloud
* Uso de:
o Git
o Entornos virtuales
o Testing básico (unitario / integración)
Soft skills clave (muy importantes en este rol)
* Mentalidad operacional (production-first)
* Capacidad de análisis bajo presión
* Comunicación clara con perfiles técnicos y no técnicos
* Autonomía y responsabilidad
* Orientación a estabilidad y fiabilidad (no solo \"que funcione\")
OFRECEMOS
* Contrato en modalidad Freelance Full time
* Oferta económica: 240€ / 320€ jornada + IVA (según experiencia aportada)
* Proyecto de Larga Duración. xohynlm Recurrencia en Proyectos
* Localización: España – Teletrabajo 100%
#J-18808-Ljbffr