Machine Learning Engineer 110 – Stefanini Latam

¡Sé parte de Stefanini!​

En Stefanini somos más de 30.000 genios, conectados desde 41 países, haciendo lo que les apasiona y co-creando un futuro mejor.​

• Programación en Python
• Desarrollo de modelos de Machine Learning a través de bibliotecas de ML
• Creación de imágenes de Docker
• Automatización de flujos a través de alguna herramienta
• Buenas prácticas de MLOPs

• Habilidades avanzadas de programación en Python
• Desarrollo de modelos de Machine Learning a través de bibliotecas de ML, como Scikit-Learn (nivel Pr) scikit-learn es la básica, si no la maneja no lo consideramos, cualquier otra es deseable
• Creación de imágenes de Docker
• Automatización de flujos a través de alguna herramienta (la que sea) ejemplos son ariflow, kubeflow, incluso hecha manualmente desde scratch desde la terminal pero que te asegure que una vez construido no existe intervención humana y las ejecuciones están 100% automáticas. (aquí el nivel no se puede medir, se pide que al menos haya hecho uno en toda su experiencia pero que asegure que quedó 100% automático)
• SQL
• Conocimiento en buenas prácticas de MLOPs
• Desarrollo de endpoints

 Todos los puntos anteriores se van a evaluar a través de una prueba técnica.

Deseable:

• Habilidades de programación en Spark
• Uso de la librería MLFLow
• Desarrollo de modelos de ML en la plataforma de Ciencia de Datos Google Cloud Vertex
• Automatización de flujos a través de kubeflow
• Implementación de prácticas de CI/CD, preferible utilizando Concord y Looper
• Implementación de monitoreo de soluciones de Ciencia