- Location
- Mexico City, MX
- Type
- Full-time
- Department
- Engineering
- Seniority
- Senior
- Source
- Teamtailor
Description
Sobre Creai
En Creai, nos especializamos en aprovechar el poder de la inteligencia artificial y el aprendizaje automático para transformar negocios. Nuestra misión es ayudar a los clientes a reducir costos, aumentar la eficiencia y desbloquear nuevas oportunidades mediante soluciones de IA de vanguardia.
Descripción del Puesto
Como Senior Machine Learning Engineer, tu trabajo ya no es supervisar modelos uno por uno, sino diseñar, escalar y gobernar la práctica completa con la que el equipo dirige, valida y responde por los sistemas de IA que construye. Usarás tu juicio estratégico y tu dominio del negocio para decidir qué problemas ameritan una solución de ML, cuánto cuesta equivocarse en cada caso, y qué evidencia es suficiente antes de delegar un experimento completo a un agente o de exponer un modelo a un cliente.
Serás responsable de que delegar sea seguro a escala, no solo en tus propios proyectos: diseñarás las plataformas, los contratos entre etapas y los límites explícitos de lo que un agente puede generar sin verificación humana, porque cuando experimentar cuesta minutos, el cuello de botella deja de ser la capacidad de construir y pasa a ser la capacidad de decidir qué construir y en qué confiar. Colaborarás con líderes de producto, data scientists y equipos de ingeniería para alinear estas decisiones con los objetivos estratégicos de Creai, definiendo los estándares técnicos y las prácticas de supervisión de IA que el resto del equipo sigue.
Este Puesto Exige
Desarrollo de Soluciones Avanzadas: Diseñar, desarrollar e implementar soluciones avanzadas de ML en ambientes productivos de alta disponibilidad y baja latencia. Esto incluye la selección de algoritmos apropiados, optimización de modelos y aseguramiento de la calidad del código.
Diseñar plataformas de ML legibles para humanos y para agentes: pipelines modulares, contratos explícitos entre etapas, semántica documentada de forma ejecutable, entornos reproducibles. Una plataforma bien delimitada permite delegar experimentos completos; una improvisada obliga a que cada corrida pase por quien la construyó.
Definir la línea entre lo que se delega y lo que no para su ámbito técnico, y hacerla explícita: qué experimentos pueden generarse y validarse automáticamente, qué decisiones de modelado exigen diseño humano previo, y qué casos de uso — de alto impacto, regulados o irreversibles — no admiten generación sin verificación formal.
Liderazgo Técnico: Liderar iniciativas técnicas y proyectos de alto impacto que involucren múltiples equipos y dominios. Serás un referente técnico, proporcionando guía y dirección en la toma de decisiones clave.
Arquitectura y Estrategia: Participar activamente en la definición de estrategias de datos, incluyendo la identificación y selección de features relevantes, preprocesamiento de datos y diseño de arquitecturas de modelos eficientes y escalables.
Colaboración Estratégica: Trabajar en conjunto con líderes de producto para entender las necesidades del negocio, con data scientists para la experimentación y validación de modelos, y con equipos de ingeniería para asegurar la integración y el despliegue exitoso, alineando siempre los desarrollos con objetivos estratégicos de la empresa.
Mejora Continua: Evaluar y mejorar continuamente el stack de ML, las herramientas, los procesos y las prácticas de MLOps para optimizar la eficiencia y la fiabilidad de las soluciones.
Mentoría: Mentorizar activamente a ingenieros junior y mid-level, compartiendo conocimiento profundo en ML y MLOps, y fomentando las buenas prácticas de desarrollo y despliegue.
Cultura de Excelencia: Promover una cultura de excelencia técnica, innovación y mejora continua dentro del equipo y en la organización.
Liderazgo y Mentoría: Habilidades sólidas de liderazgo técnico, influencia y mentoría, capaces de inspirar y guiar a otros ingenieros.
Comunicación Estratégica: Capacidad de comunicación efectiva y persuasiva con stakeholders técnicos y no técnicos, presentando ideas complejas de manera clara y concisa.
Visión de Negocio: Enfoque estratégico y una mentalidad fuertemente orientada al negocio, entendiendo cómo las soluciones de ML impactan directamente en los objetivos de la empresa.
Toma de Decisiones: Capacidad probada de toma de decisiones rápidas y efectivas, así como de resolución de problemas complejos y ambiguos en entornos dinámicos.
Requisitos
Formación Académica: Título universitario en Ciencias de la Computación, Ingeniería, Matemáticas, Estadística o campos afines. Un posgrado (Maestría o Doctorado) en áreas relacionadas con Machine Learning o Inteligencia Artificial es un plus significativo.
Experiencia Profesional: Más de 5 años de experiencia comprobada en machine learning aplicado, con un enfoque particular en el diseño, desarrollo y despliegue de modelos en entornos de producción a gran escala
Dominio de Python: Dominio avanzado de Python, incluyendo su ecosistema de librerías para ML, y experiencia práctica con frameworks de deep learning como PyTorch y TensorFlow, así como librerías de machine learning tradicional como Scikit-learn y XGBoost.
Cloud Computing: Experiencia sólida en plataformas de cloud computing (AWS, GCP, Azure), incluyendo el uso de servicios específicos para ML (ej. SageMaker, AI Platform, Azure ML) y conocimiento de sus arquitecturas.
Diseño End-to-End: Capacidad demostrada para diseñar y construir soluciones de ML de principio a fin, desde la ingesta y preprocesamiento de datos, entrenamiento y validación de modelos, hasta el despliegue, monitoreo y mantenimiento en producción.
MLOps Avanzado: Conocimientos profundos y experiencia práctica en MLOps, incluyendo el diseño e implementación de pipelines de CI/CD para ML, versionado de modelos y datos, monitoreo de rendimiento de modelos en producción y estrategias de rollback.
Experiencia en Liderazgo: Experiencia liderando equipos técnicos, gestionando proyectos de ML o dirigiendo iniciativas técnicas complejas.
Especialización Técnica (Valorado): Experiencia con modelos generativos (ej. LLMs, GANs), procesamiento de lenguaje natural (NLP), visión por computador o análisis de series temporales, y sus aplicaciones prácticas.
Ética y Gobernanza (Valorado): Conocimientos en privacidad de datos, ética en IA, interpretabilidad de modelos (XAI) y gobernanza de modelos, asegurando que las soluciones sean responsables y transparentes
Comunidad y Open Source (Valorado): Participación activa en comunidades técnicas, contribuciones a proyectos open source, publicaciones en conferencias o blogs técnicos, o speaking en eventos de la industria.
Herramientas MLOps (Valorado): Experiencia práctica con herramientas específicas de MLOps como MLflow, Kubeflow, DVC, Airflow o Vertex AI, para la orquestación, gestión y seguimiento de experimentos y modelos.
Uso de agentes de IA en trabajo productivo real de ML, con criterio demostrable sobre dónde aportan y dónde introducen riesgo sistémico.
Beneficios
💻 Trabajo 100% remoto con horario alineado a CST.
🏖️ PTO ilimitado: Confiamos en que gestionarás tu tiempo de manera efectiva.
🎓 Presupuesto anual para desarrollo: Acceso a cursos, certificaciones y conferencias.
🛠️ Presupuesto para equipamiento: Configura tu espacio de trabajo remoto ideal.
🩺 Beneficio de salud: Acceso a cobertura médica privada o subsidios para seguro médico.
🚀 Oportunidades de crecimiento: Plan de carrera y mentoría con expertos en IA y tecnología.
🚀 Ambiente de startup dinámico y flexible: Autonomía para tomar decisiones y proponer ideas, con un enfoque en resultados en lugar de horas trabajadas.
⚖️ Balance vida-trabajo: Cultura que prioriza la flexibilidad y el bienestar, permitiéndote gestionar tu tiempo sin sacrificar tu vida personal.
¡Te invitamos a postularte!
Incluso si no cumples con todos los requisitos, valoramos experiencias y perspectivas diversas. Si te apasiona el reclutamiento y quieres crecer en una empresa enfocada en datos e IA, ¡nos encantaría conocerte!