Senior Machine Learning Engineer

### **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!