Ingeniero de ML Ubicación: Charlotte, NC o Malvern, PA (híbrido – 3 días/semana en oficina) Duración: 06 meses años de experiencia: 10 Descripción del trabajo: Descripción general: Estamos buscando Ingenieros Full Stack de ML para apoyar el programa de Hiperpersonalización para nuestro cliente de servicios de inversión, una iniciativa clave orientada a mejorar la personalización en los servicios financieros. Este puesto requiere personas enfocadas en resultados con un profundo conocimiento de la pila tecnológica de AWS y la personalización en servicios financieros. Responsabilidades: • Integrar modelos de IA/ML con múltiples fuentes de datos: Garantizar un flujo de datos continuo hacia y desde los modelos. • Ajustar modelos existentes: Optimizar el rendimiento y adaptar los modelos a requisitos cambiantes. • Crear y mantener tuberías de datos: Diseñar e implementar procesos ETL para apoyar la integración de modelos. • Monitorear y gestionar modelos de ML en producción: Implementar prácticas de MLOps para el monitoreo, seguimiento y mantenimiento de modelos. • Colaborar con equipos multifuncionales: Trabajar estrechamente con científicos de datos, ingenieros de datos y otras partes interesadas para entregar soluciones de ML robustas. • Impulsar las mejores prácticas de arquitectura e ingeniería: Liderar esfuerzos para establecer y hacer cumplir las mejores prácticas en la construcción del marco de integración. Habilidades técnicas: • Dominio de Python y bases de datos SQL: Esencial para tareas de manipulación e integración de datos. • Experiencia con servicios en la nube de AWS: Incluyendo, entre otros: o SageMaker o Lambda o Glue o S3 o IAM o CodeCommit o CodePipeline o Bedrock • Experiencia con herramientas de gestión de tuberías de datos y flujos de trabajo: Como Apache Airflow o AWS Step Functions. • Comprensión de técnicas ETL, modelado de datos y conceptos de almacenes de datos: Para construir tuberías de datos eficientes. • Conocimiento de plataformas y herramientas de IA/ML: Incluyendo TensorFlow, PyTorch, MLflow y otros. • Conocimiento de prácticas de MLOps: Incluyendo monitoreo de modelos, detección de deriva de datos y automatización de tuberías. • Experiencia con Docker y AWS ECR: Para la contenerización de aplicaciones de ML.