Categorías
···
Entrar / Registro
Resumen: Únete a dLocal como Ingeniero Senior de MLOps para construir y operar nuestra plataforma de ML e IA, centrándose en el Feature Store y los flujos de trabajo de MLOps. Aspectos destacados: 1. Construir y evolucionar el Feature Store con canalizaciones de características en línea y fuera de línea 2. Implementar y mejorar la plataforma MLOps para entrenamiento, servicio y observabilidad 3. Automatizar los flujos de trabajo de MLOps y Feature Store mediante agentes y servicios de IA ¿Por qué deberías unirte a dLocal? dLocal permite que las empresas más grandes del mundo cobren pagos en 40 países de mercados emergentes. Las marcas globales confían en nosotros para aumentar las tasas de conversión y simplificar sin esfuerzo la expansión de pagos. Como procesador de pagos y comerciante registrado donde operamos, hacemos posible que nuestros comerciantes ingresen a los mercados emergentes de más rápido crecimiento del mundo. Al unirte a nosotros, formarás parte de un increíble equipo global que lo hace todo posible. Ser parte de dLocal significa trabajar con más de 1000 compañeros de más de 30 nacionalidades distintas y desarrollar una carrera internacional que impacta diariamente la vida de millones de personas. Somos creadores, nunca huimos de un desafío, somos centrados en el cliente y, si esto suena como tú, sabemos que prosperarás en nuestro equipo. **¿Cuál es la oportunidad?** Como **Ingeniero Senior de MLOps en dLocal**, serás un contribuyente individual clave en el equipo que **construye y opera nuestra plataforma de ML e IA**, con un fuerte enfoque en el **Feature Store** y los **flujos de trabajo de MLOps**. Implementarás y evolucionarás los componentes que los equipos de Ciencia de Datos e IA usan todos los días para llevar modelos y servicios impulsados por IA desde la idea hasta la producción: canalizaciones de características, flujos de trabajo de entrenamiento y despliegue, observabilidad y automatización. Una parte fundamental de este rol consiste en **utilizar agentes y servicios de IA para automatizar lo máximo posible lo que hacemos en MLOps**, desde operaciones del Feature Store y la plataforma hasta flujos de trabajo de fraude/anomalías y optimización de costos de ML, trabajando codo a codo con el Equipo de IA y el Referente Técnico de MLOps. ### **¿Qué haré?** ### **1\. Construcción y evolución del Feature Store** * Implementar y mantener **canalizaciones de características en línea y fuera de línea** que alimenten nuestro Feature Store empresarial, combinando: + **Trabajos de streaming basados en Flink** que ingieren grandes volúmenes de eventos desde múltiples fuentes (pagos, fraude, anomalías, etc.) en almacenes en línea. + **Canalizaciones Databricks / Spark** para el cálculo de características fuera de línea, rellenados retrospectivos y conjuntos de datos para entrenamiento. * Garantizar: + Corrección puntual en el tiempo para entrenamiento y pruebas retrospectivas fuera de línea. + Servicio de características en línea de baja latencia y alto rendimiento, con SLA claros, semántica de TTL y seguridad multiinquilino. * Contribuir al **catálogo y especificaciones de características**: + Definir entidades, vistas de características, esquemas, SLA, clasificación de datos personales identificables (PII) y propietarios. + Ayudar a científicos de datos y equipos de dominio a incorporar nuevas características de forma segura y coherente entre Flink y Databricks. * Desarrollar herramientas para: + **Coordinación de rellenados retrospectivos y materialización** entre Flink y Databricks (Lakehouse / Delta). + **Verificaciones de paridad fuera de línea–en línea**, monitoreo de calidad de datos, derivación y actualidad para grupos críticos de características. + APIs unificadas de recuperación de características (en línea/fuera de línea/lote) y uso de SDK/CLI desde modelos y servicios. ### **2\. Implementación de la plataforma MLOps (entrenamiento, servicio, observabilidad)** * Implementar y mejorar **canalizaciones de entrenamiento y evaluación**: + Flujos de trabajo reproducibles, seguimiento de experimentos e integración con el registro de modelos. + Flujos de promoción desde entornos de desarrollo y prueba hasta producción, siguiendo los estándares de la plataforma. * Trabajar en **rutas de inferencia en línea y por lotes**: + Empaque y despliegue de modelos. + Estrategias de implementación (canary, shadow, reversión) alineadas con SRE/Infraestructura. * Instrumentar canalizaciones y servicios con **métricas, registros y rastros**: + Integración con nuestra pila de observabilidad (p. ej., OTel, Coralogix). + Exposición de paneles y alertas para componentes de ML (latencia, errores, derivación, actualidad). ### **3\. Automatización asistida por IA para MLOps y Feature Store** * Integrar y extender **agentes y servicios de IA** (desarrollados por el Equipo de IA y MLOps) para automatizar partes clave de los **flujos de trabajo del Feature Store y MLOps** (verificaciones de estado, análisis de derivación y calidad, documentación/especificaciones, diagnóstico de incidencias, sugerencias de FinOps, etc.). * Diseñar estas automatizaciones con **límites claros**: observables, auditables y fáciles de revertir, manteniendo siempre bajo control humano las decisiones en producción. ### **4\. Confiabilidad, seguridad y cumplimiento en la práctica** * Implementar cambios que respeten los estándares de la plataforma sobre: + Control de acceso, gestión de secretos y manejo de PII en características y modelos. + Separación de entornos y gestión de cambios para componentes de ML/IA. * Participar en turnos de **disponibilidad (on-call)** o rutas de escalación para canalizaciones de ML e infraestructura de características: + Diagnosticar y resolver incidencias. + Contribuir mejoras a manuales operativos, paneles y pruebas. ### **5\. Colaboración y contribución técnica** * Trabajar estrechamente con: + El **Referente Técnico de MLOps**, para alinear arquitectura y dirección técnica. + Los **equipos de Ciencia de Datos y el Equipo de IA**, para comprender requisitos y desbloquear casos de uso. + Los **equipos de Fraude, Anomalías y otros productos**, como consumidores de características y modelos. * Contribuir a **documentación interna, RFC, ejemplos y guías de incorporación**, para que otros ingenieros y científicos de datos puedan adoptar la plataforma más fácilmente. * Mentorizar a ingenieros de nivel medio en buenas prácticas relacionadas con canalizaciones, pruebas, observabilidad y automatización. ### **¿Qué habilidades necesito?** ### **Imprescindibles** * Experiencia sólida como **Ingeniero Senior** trabajando en: + MLOps, plataformas de datos o sistemas backend/distribuidos a gran escala. * Experiencia práctica con tecnologías de **big data / streaming** (p. ej., Spark, Flink, Kafka, Kinesis o similares). * Trayectoria comprobada construyendo **canalizaciones de ML en producción**: + Seguimiento de experimentos y flujos de entrenamiento reproducibles. + CI/CD para modelos y canalizaciones de datos. + Inferencia en línea y por lotes a escala. * Familiaridad con **plataformas de ML basadas en la nube** y despliegues contenerizados (p. ej., Databricks, SageMaker, Vertex AI o equivalentes). * Buen conocimiento de **observabilidad**: + Métricas, registros y rastros. + Derivación y verificaciones de actualidad y calidad de datos y modelos. * Capacidad para escribir código limpio y mantenible y colaborar mediante revisiones, documentos de diseño y sesiones de programación en pareja. * Capacidad para comunicarse cómodamente con **científicos de datos, ingenieros de ML e Infra/SRE**, traduciendo requisitos en soluciones técnicas concretas. ### **Deseables** * Experiencia trabajando con o alrededor de **Feature Stores** (Feast, Databricks Feature Store, implementaciones personalizadas, etc.). * Exposición a **modelos de lenguaje grande (LLM), agentes y asistentes de IA**, especialmente aplicados a: + Productividad del desarrollador (copilotos de código/infraestructura). + Análisis de registros/métricas/incidencias o generación de documentación. * Experiencia en entornos de **fintech, riesgo, fraude o detección de anomalías**. * Contribuciones a **estándares internos, RFC, manuales operativos o charlas técnicas**. ¿Qué ofrecemos? Además de los beneficios personalizados que tenemos para cada país, dLocal te ayudará a prosperar y dar ese paso extra ofreciéndote:* Flexibilidad: contamos con horarios flexibles y nos guiamos por el rendimiento. * Industria fintech: trabaja en un entorno dinámico y en constante evolución, con mucho por construir y potenciar tu creatividad. \- Programa de bonos por referidos: nuestros talentos internos son los mejores reclutadores \- refiere a alguien ideal para un puesto y recibe una recompensa.* Aprendizaje y desarrollo: accede a una suscripción Premium a Coursera. * Clases de idiomas: ofrecemos clases gratuitas de inglés, español o portugués. * Presupuesto social: recibirás un presupuesto mensual para relajarte con tu equipo (presencial o remoto) y fortalecer vuestros vínculos. * Casas dLocal: ¿quieres alquilar una casa para pasar una semana en cualquier lugar del mundo trabajando junto a tu equipo? ¡Te apoyamos! **Flexibilidad en cómo trabajas:** Nos enfocamos en el impacto y la productividad más que en horarios fijos. Esto significa que nuestros equipos tienen horarios flexibles y, según tu rol y ubicación, combinarás momentos de concentración autogestionada con encuentros presenciales en nuestros centros de colaboración. ¿Qué ocurre después de postularte? Nuestro equipo de Adquisición de Talento se compromete a crear la mejor experiencia posible para los candidatos, así que no te preocupes: definitivamente te contactaremos. Revisaremos tu CV y te mantendremos informado por correo electrónico en cada etapa del proceso. También puedes visitar nuestra página web, LinkedIn y YouTube para conocer más sobre dLocal. Podemos utilizar herramientas de inteligencia artificial (IA) para apoyar partes del proceso de contratación, como revisar solicitudes, analizar currículums o evaluar respuestas. Estas herramientas asisten a nuestro equipo de reclutamiento, pero no sustituyen el juicio humano. Las decisiones finales de contratación siempre las toman personas. Si deseas más información sobre cómo se procesan tus datos, contáctanos.
