1225 - 405PIC | MLOps Engineer

Requirements

• 3+ years of experience in infrastructure automation, cloud deployment, or cloud infrastructure managementMust
• Degree in Computer Engineering, Software Engineering, Telecommunications, or related disciplineMust
• Infrastructure as Code and automation with Terraform, Helm, and AnsibleMust
• Docker and Kubernetes container management and orchestration (EKS)Must
• Experience with GitLab CI, Jenkins, ArgoCD, or FluxCDMust
• Advanced Linux, networking, and distributed systems knowledgeMust
• SQL and NoSQL database experience with PostgreSQL, TimescaleDB, MongoDB, or similarMust
• MLflow, DVC, or Vertex AI for model and data managementMust
• Kafka, Redpanda, or Benthos messaging and streaming systems
• Serverless and event-driven architectures with AWS Lambda, SNS/SQS
• Advanced observability and ML model performance metrics
• Site Reliability Engineering (SRE) practices
• Modern MLOps platforms such as Kubeflow or MLflow
• Infrastructure for generative AI including GPU, optimized containers, and RAG serving
• Advanced technical English, written and spoken, for collaboration with international teams and partners

What you'll do

• Design, implement, and operate scalable cloud infrastructure on AWS, GCP, or Azure for data and ML workloads
• CI/CD pipelines for continuous model and AI agent deployment
• Build and maintain reproducible ML training, validation, and inference pipelines with Airflow, MLflow, DVC, or Spark
• Monitoring, logging, and observability implementation with Prometheus, Grafana, ELK/EFK, or OpenTelemetry
• Diagnose and resolve production incidents in high-traffic environments while optimizing costs and performance
• Ensure security, availability, and resilience of cloud platforms
• Integrate complete Data to ML to Deployment to Monitoring cycle
• Collaborate with Machine Learning teams to package and deploy models and AI agents to production
• Communication and teamwork in multidisciplinary environments

About the role

Buscamos un/a MLOps Engineer con fuerte interés en automatización, cloud computing y despliegue eficiente de plataformas inteligentes. Si te motiva mejorar entornos productivos, garantizar sistemas escalables y confiables, y trabajar con tecnologías punteras en Machine Learning, Agentes de IA y Observabilidad , esta oportunidad es para ti. 🚀 ¿Cuál será tu rol? Como MLOps Engineer, serás responsable de conectar el mundo del Data y el ML con la infraestructura y la operación en producción , asegurando que los modelos y agentes funcionen de forma robusta y eficiente. Tus principales responsabilidades incluirán: • Diseñar, implementar y operar infraestructuras cloud escalables en AWS, GCP o Azure , orientadas a workloads de datos y ML. • Automatizar infraestructuras y despliegues usando Terraform, Ansible, Helm y Kubernetes . • Crear y mantener pipelines de CI/CD para el despliegue continuo de modelos, agentes de IA y plataformas de observabilidad. • Gestionar contenedores y orquestación con Docker y Kubernetes (EKS) , integrando servicios de datos, IA y backend. • Construir y mantener pipelines reproducibles de entrenamiento, validación e inferencia (Airflow, MLflow, DVC, Spark). • Implementar y optimizar soluciones de monitorización, logging y observabilidad (Prometheus, Grafana, ELK/EFK, OpenTelemetry). • Velar por la seguridad, disponibilidad y resiliencia de las plataformas en la nube. • Integrar el ciclo completo Data → ML → Deployment → Monitoring , trabajando de forma cercana con equipos de Data, ML, DevOps y Backend. • Colaborar con equipos de Machine Learning para empaquetar y llevar a producción modelos y agentes de IA. • (Plus avanzado) Participar en el diseño de pipelines híbridos que combinen ML tradicional, IA generativa y agentes basados en LLM (LangChain, LangGraph, CrewAI). 🎯 Requisitos Buscamos a alguien con: • Formación en Ingeniería Informática, Software, Telecomunicaciones o disciplinas relacionadas. • Más de 3 años de experiencia en automatización, despliegue o gestión de infraestructura cloud. • Experiencia sólida en infraestructura como código y automatización (Terraform, Helm, Ansible). • Conocimientos avanzados de Linux, redes y sistemas distribuidos . • Experiencia práctica en pipelines de CI/CD (GitLab CI, Jenkins, ArgoCD, FluxCD). • Dominio de Docker y Kubernetes . • Experiencia con herramientas de gestión de modelos y datos como MLflow, DVC o Vertex AI . • Conocimientos en monitorización, logging y observabilidad . • Experiencia con bases de datos SQL y NoSQL (PostgreSQL, TimescaleDB, MongoDB). • Capacidad para diagnosticar y resolver incidencias en entornos productivos de alto tráfico, optimizando costos y rendimiento. • Buenas habilidades de comunicación y trabajo en equipo en entornos multidisciplinarios. 🌟 Valoramos especialmente si además tienes • Experiencia con sistemas de mensajería y streaming como Kafka, Redpanda o Benthos . • Conocimientos en arquitecturas serverless y event-driven (AWS Lambda, SNS/SQS). • Experiencia en observabilidad avanzada y métricas de rendimiento de modelos. • Conocimientos en prácticas de SRE (Site Reliability Engineering) . • Experiencia con plataformas modernas de MLOps (Kubeflow, MLflow). • Familiaridad con despliegues automatizados y buenas prácticas DevOps . • Conocimientos en infraestructura para IA generativa (GPU, contenedores optimizados, RAG serving). • Inglés técnico avanzado , escrito y hablado, para colaborar con equipos y partners internacionales. Originally posted on Himalayas