Junior
Empaqueta y despliega modelos ya entrenados.
Machine Learning Engineer para tu equipo
Un ingeniero de machine learning que lleva los modelos del cuaderno a producción y los mantiene funcionando: despliegue, monitorización y reentrenamiento.
Tecnologías y competencias habituales
- MLflow
- Kubeflow
- AWS SageMaker
- Azure ML
- Despliegue de modelos
También lo buscarás como ML engineer, ingeniero de ML y MLOps.
Qué hace un ingeniero de machine learning
Convierte un modelo que funciona en pruebas en un servicio que funciona todos los días. Automatiza el entrenamiento, versiona datos y modelos, despliega y vigila que el modelo no se degrade con el tiempo.
Cuándo necesitas uno
- Tienes modelos que funcionan en pruebas y no terminan de llegar a producción.
- Tu modelo acertaba y ha dejado de hacerlo sin que nadie lo notara.
- Quieres predecir fallos, demanda o anomalías de forma continua, no en un informe.
Qué distingue a un buen ingeniero de machine learning
- Programa como un ingeniero de software: pruebas, revisión y despliegue.
- Maneja MLflow, canalizaciones de entrenamiento y registro de modelos.
- Sirve modelos con latencia y coste razonables.
- Monitoriza la deriva de datos y automatiza el reentrenamiento.
- Entiende el modelo lo suficiente para diagnosticar por qué falla.
Junior, middle o senior
Middle
Construye la canalización completa de un caso de uso.
Senior
Diseña la plataforma de ML de la empresa y sus buenas prácticas.
Dos formas de trabajar
On Demand
Se suma a tu equipo el tiempo que lo necesites.
Try & Hire
Trabaja contigo y, tras un tiempo, puedes incorporarlo a tu plantilla sin costes.
¿Necesitas un equipo entero? Mira los Agile Squads.
Preguntas frecuentes
¿Para qué sirve en la práctica?
Para que la IA funcione fuera de la demo. En una empresa de telecomunicaciones, los modelos que predicen fallos de red redujeron las incidencias un 65 %.
¿MLOps es lo mismo?
MLOps es la práctica; el ingeniero de ML es quien la aplica. Algunos equipos separan los dos papeles cuando crecen.
¿Necesito también un científico de datos?
Si el modelo aún no existe, sí. Si ya lo tienes y el problema es llevarlo a producción, basta con el ingeniero de ML.
¿Puedo incorporarlo después a mi plantilla?
Sí. Con la modalidad Try & Hire trabaja contigo y, tras un tiempo, puedes incorporarlo a tu plantilla sin costes.
¿Cómo se factura?
Pagas por el trabajo realmente efectivo: solo las horas trabajadas. La selección, las bajas, las vacaciones y las sustituciones corren de nuestra cuenta.
¿Trabaja en remoto o en nuestras oficinas?
Como lo necesite tu equipo: en remoto, en híbrido o presencial, en España.
Proyectos donde ya lo hemos hecho
Ver todos los casos
Diez proyectos a la vez, de la IA que predice fallos de red a las apps de campo
−65 % de incidencias de red con la predicción de fallos
- On Demand
- Time to hire: 14 días
Atelco
TelecomunicacionesTrece profesionales en cuatro frentes: IA predictiva, GIS, redes y DevOps
−93 % de tiempo por despliegue: de 6-8 horas a 30 minutos
- On Demand
- Time to hire: 14 días
Idener
Ingeniería e I+DInvestigadores de IA para cumplir los hitos de un proyecto europeo Horizon
100 % de los hitos europeos entregados en plazo
- On Demand
- Time to hire: 14 días
Cómo llega un perfil a tu equipo
Vendemos calidad: preferimos presentarte a una persona que encaja antes que a cinco que no.
De cada 20 candidatos que evaluamos, te presentamos a uno.
Nos cuentas qué necesitas
El perfil, el nivel, las tecnologías y cómo trabaja tu equipo.
Validamos a la persona
Nuestro equipo técnico revisa su conocimiento real, también cómo trabaja con IA. De cada 20 candidatos, pasa uno.
Te la presentamos
Conoces a la persona antes de decidir. El 93 % de nuestros clientes contrata a la primera que le presentamos.
Empieza en tu equipo
Pagas solo las horas trabajadas. De la selección, las bajas, las vacaciones y las sustituciones nos ocupamos nosotros.
Suele trabajar con
Ver los 16 perfiles de datos y big dataData Scientist
- Python
- R
- Pandas
- Scikit-learn
Data Engineer
- Apache Spark
- Kafka
- Airflow
- dbt
DevOps Engineer
- CI/CD (Jenkins, GitLab CI, GitHub Actions)
- Terraform
- Ansible
Deep Learning Specialist
- PyTorch
- TensorFlow
- Keras
- Redes Neuronales (CNN, RNN)
Computer Vision Specialist
- OpenCV
- YOLO
- Procesamiento de imágenes
- Reconocimiento facial
Procesamiento de Lenguaje Natural (NLP)
- NLTK
- SpaCy
- Hugging Face
- Transformers
CDO (Chief Data Officer)
- Estrategia del dato
- Data Governance
- Data Quality
Analytics Engineer
- dbt
- SQL
- Snowflake / BigQuery / Databricks
- Airflow