Ingeniero/a de backend y ML aplicado (nivel Staff)
Lidere el diseño y la entrega de sistemas de backend y ML basados en IA y listos para producción, desde la arquitectura en la pizarra hasta un despliegue en producción reforzado.
Postular a este puestoBuscamos una persona para el puesto de ingeniero/a de backend y ML aplicado que lidere el diseño y la implementación de sistemas basados en IA y listos para producción, que impulsan productos inteligentes a gran escala.
Se trata de un puesto técnico sénior y eminentemente práctico, responsable de definir la arquitectura de sistemas de backend distribuidos, diseñar y desplegar pipelines de aprendizaje automático, convertir problemas de negocio ambiguos en soluciones sólidas y medibles, y entregar sistemas de producción reforzados en lugar de prototipos.
Diseñará API y flujos de datos de alto rendimiento, llevará modelos de ML a producción en todas sus fases (entrenamiento, evaluación, inferencia y monitoreo) y garantizará la fiabilidad, la seguridad y la escalabilidad en entornos de nube. El puesto encaja con un perfil de ingeniería que se siente en su elemento en la intersección entre la arquitectura de sistemas, el ML aplicado y el impacto en el producto: alguien capaz de pasar del diseño en la pizarra al despliegue en producción sin traspasos de por medio.
Qué hará
Backend y sistemas distribuidos
- Diseñar la arquitectura e implementar servicios de backend escalables con REST, gRPC, sistemas asíncronos y pipelines orientados a eventos.
- Diseñar flujos de trabajo con uso intensivo de datos y sistemas ETL y ELT.
- Construir API con alta capacidad de procesamiento y baja latencia.
- Responsabilizarse de la fiabilidad, la observabilidad y el ajuste del rendimiento de los servicios.
- Definir los contratos de API y los patrones de integración entre servicios.
Aprendizaje automático aplicado
- Diseñar pipelines de ML de principio a fin, desde la ingesta de datos y la ingeniería de características hasta el entrenamiento, la evaluación y el despliegue.
- Llevar a producción modelos para inferencia por lotes y en tiempo real.
- Construir pipelines de embeddings vectoriales, sistemas de ranking y modelos de clasificación y extracción.
- Implementar marcos de experimentación y ciclos de evaluación offline y online.
- Establecer el monitoreo de modelos, incluida la detección de deriva (drift), el seguimiento del rendimiento y las alertas.
Nube e infraestructura
- Desplegar servicios en entornos de nube como GCP, Azure y AWS.
- Diseñar pipelines de CI/CD para sistemas de ML y de backend.
- Implementar prácticas de infraestructura como código.
- Garantizar la seguridad, el cumplimiento y la escalabilidad de los sistemas.
Liderazgo técnico
- Fijar los estándares de ingeniería y la dirección de la arquitectura.
- Ejercer como mentor/a de ingenieros en los ámbitos de backend y ML.
- Colaborar con los equipos de producto, datos y dirección.
- Descomponer problemas ambiguos en planes de ejecución medibles e iterativos.
- Impulsar la estrategia a largo plazo de IA y de plataforma.
Qué buscamos
Experiencia requerida
- 6+ años de experiencia en ingeniería de backend.
- 2+ años de experiencia en ML aplicado en entornos de producción.
- Dominio sólido de Python o Java.
- Experiencia en el diseño de sistemas distribuidos a gran escala.
- Experiencia práctica en el despliegue de modelos de ML en producción.
- Experiencia con bases de datos SQL y NoSQL.
- Familiaridad con arquitecturas orientadas a eventos, como Kafka, Pub/Sub y sistemas de streaming.
Conocimientos de ML y datos
- Ingeniería de características y preprocesamiento de datos.
- Sistemas de embeddings vectoriales, ranking o similitud.
- Marcos de evaluación de modelos.
- Servicio de modelos (model serving) por lotes y en tiempo real.
- Sistemas de experimentación y pruebas A/B.
- Monitoreo y observabilidad en producción.
Infraestructura y sistemas
- Arquitectura nativa de la nube en GCP, Azure o AWS.
- Contenedorización con Docker y orquestación con Kubernetes.
- Pipelines de CI/CD.
- Optimización del rendimiento de las API.
- Buenas prácticas de seguridad para sistemas distribuidos.
Se valorará
- Experiencia con modelos de lenguaje de gran tamaño en producción.
- Experiencia en la creación de plataformas de datos o sistemas de orquestación de flujos de trabajo.
- Experiencia con bases de datos vectoriales.
- Experiencia en plataformas B2B, industriales o de comercio.
- Familiaridad con la infraestructura como código, por ejemplo con Terraform y Helm.
Cómo se mide el éxito
En un plazo de seis meses, usted habrá:
- Diseñado y puesto en producción un servicio basado en ML.
- Establecido estándares de fiabilidad y observabilidad.
- Mejorado el rendimiento y la eficiencia en costos de los sistemas principales.
- Ejercido como mentor/a de ingenieros y elevado la calidad técnica de todo el equipo.
Por qué unirse a atronous
En atronous estamos construyendo la capa de inteligencia del comercio moderno: convertimos datos de producto fragmentados y deficientes en sistemas estructurados y listos para la IA, que impulsan la activación de datos, la automatización y el comercio agéntico. Con nosotros, usted:
- Construirá sistemas nativos de IA a partir de principios fundamentales.
- Influirá en la arquitectura de la plataforma a largo plazo.
- Trabajará en sistemas distribuidos reales y de gran escala.
- Asumirá la plena responsabilidad de su trabajo, con un alto grado de autonomía.
- Tendrá un impacto directo en el producto y en la trayectoria de la empresa.
¿Le interesa este puesto?
Envíe un mensaje y su currículum a contact@atronous.ai y nosotros nos encargamos del resto.
Postular a este puesto