Resumen del puesto
El MLOps – DevOps Engineer es responsable de integrar prácticas de ingeniería, ciencia de datos y operaciones para garantizar el ciclo de vida completo de los modelos de machine learning en entornos cloud. Su principal objetivo es automatizar el despliegue, versionamiento, monitoreo y seguridad de modelos y pipelines, optimizando la colaboración entre equipos de Data Science, Ingeniería y Seguridad.

Este rol combina habilidades avanzadas en infraestructura cloud, CI/CD, contenedores y gobierno de datos, con un enfoque en la eficiencia, escalabilidad y cumplimiento normativo. Actúa como facilitador técnico clave para lograr que los modelos pasen del desarrollo a la producción de forma segura, controlada y continua, asegurando la confiabilidad del entorno MLOps.

Responsabilidades principales

• Diseñar, automatizar y mantener pipelines de integración y entrega continua (CI/CD) para modelos de machine learning utilizando Cloud Build, Artifact Registry, Vertex Pipelines y MLflow.

• Implementar estrategias de versionamiento de datasets, modelos y experimentos, garantizando trazabilidad y reproducibilidad de resultados.

• Administrar infraestructura de despliegue basada en Docker y Kubernetes (GKE), asegurando alta disponibilidad, escalabilidad y seguridad de los entornos productivos.

• Configurar y supervisar servicios de Cloud Monitoring y Cloud Logging para evaluar el rendimiento, disponibilidad y métricas de los modelos desplegados.

• Gestionar el almacenamiento y movimiento de datos en Cloud Storage (GCS) con control de acceso granular y cifrado en tránsito y reposo.

• Definir y aplicar políticas de seguridad y cumplimiento mediante IAM, VPC Service Controls, Cloud KMS, DLP API, Cloud Armor y Security Command Center.

• Implementar controles de auditoría, monitoreo y alertas para prevenir accesos no autorizados y garantizar la integridad de los modelos y datos.

• Colaborar con equipos de Data Science y Seguridad para establecer estándares de despliegue y operación segura de modelos en entornos productivos.

• Automatizar la validación y pruebas de modelos antes del despliegue, integrando métricas de precisión, latencia y desempeño en el pipeline.

• Optimizar el tiempo de entrega de modelos y flujos de datos, promoviendo una cultura de DevSecOps y Continuous Delivery enfocada en calidad y confiabilidad.

Requisitos

• Experiencia mínima de 3 años en DevOps, MLOps o ingeniería de infraestructura cloud.

• Certificaciones o experiencia comprobada como Professional Cloud DevOps Engineer, Cloud Network Engineer o Cloud Security Engineer.

• Dominio técnico en Google Cloud Platform (GCP), especialmente Cloud Build, Vertex AI, Kubernetes (GKE), IAM, Cloud Monitoring y Artifact Registry.

• Conocimientos sólidos en Docker, CI/CD, versionamiento de modelos y datasets, y herramientas de observabilidad.

• Experiencia en seguridad cloud, incluyendo cifrado, control de accesos, DLP, firewalls y cumplimiento de normativas.

• Habilidades para trabajar en entornos colaborativos multidisciplinarios (Data, IA, Infraestructura y Seguridad).

• Capacidad analítica, enfoque en automatización y mentalidad orientada a la mejora continua.