Ingeniero/a de Aprendizaje Automático

Descripción

En Roche puedes ser tú mismo/a plenamente y tus cualidades únicas serán valoradas. Nuestra cultura fomenta la expresión personal, el diálogo abierto y conexiones auténticas. Aquí serás apreciado/a, aceptado/a y respetado/a por lo que eres. Esto crea un entorno en el que puedes crecer tanto personal como profesionalmente. Juntos queremos prevenir, detener y curar enfermedades, y garantizar que todas las personas tengan acceso a la atención sanitaria —hoy y en el futuro. Únete a Roche, donde cada voz cuenta. El puesto En Roche estamos comprometidos con ofrecer mayores beneficios a nuestros pacientes mediante la aplicación de capacidades digitales, de datos, de aprendizaje automático y de inteligencia artificial a desafíos operativos reales. El ingeniero/a de ML/MLOps es un/a colaborador/a técnico/a práctico/a dentro del grupo MLE/DE, centrado/a en construir, desplegar, supervisar y mejorar soluciones de aprendizaje automático para Operaciones Técnicas Farmacéuticas. Este rol contribuye al ciclo de vida integral del aprendizaje automático, incluyendo la preparación de datos, la ingeniería de características, el apoyo al entrenamiento de modelos, el seguimiento de experimentos, el empaquetado de modelos, las canalizaciones de despliegue, la prestación de servicios de modelos, la supervisión y la mejora continua. El rol trabaja estrechamente con científicos/as de datos, ingenieros/as de IA, ingenieros/as de software, ingenieros/as de datos, expertos/as en procesos, TI, calidad y partes interesadas empresariales para ayudar a entregar soluciones habilitadas por ML fiables, escalables y conformes en entornos de fabricación, calidad, cadena de suministro y operaciones técnicas. El rol también contribuye al desarrollo de capacidades modernas de ingeniería de ML, incluyendo marcos de evaluación impulsados por ciencia de datos, entornos de evaluación reutilizables, gestión del ciclo de vida de los modelos, experimentación reproducible, supervisión en producción y prácticas de MLOps que facilitan la transición de prototipos a un uso fiable en producción. Descripción del rol Este rol se adapta a un/a ingeniero/a práctico/a que disfruta construir sistemas robustos, repetibles y listos para producción de aprendizaje automático. El ingeniero/a de ML/MLOps Nivel 5 contribuye al desarrollo y funcionamiento de canalizaciones de ML, flujos de trabajo de despliegue de modelos, marcos de evaluación y capacidades de supervisión bajo la guía de ingenieros/as senior. Se espera que este rol aplique buenas prácticas de ingeniería de software y de MLOps, apoye la preparación para producción de soluciones de ML y desarrolle continuamente experiencia en aprendizaje automático, plataformas en la nube, automatización, supervisión y entornos regulados de entrega. Entrega de soluciones de ML y MLOps * Desarrollo de canalizaciones de ML: Construir y mantener componentes de canalizaciones de aprendizaje automático, incluyendo ingesta de datos, preprocesamiento, generación de características, apoyo al entrenamiento de modelos, validación, empaquetado y despliegue. * Despliegue de modelos: Apoyar el despliegue de modelos de ML en entornos en la nube, híbridos o de aplicaciones mediante prácticas de despliegue fiables, repetibles y automatizadas. * Prestación de servicios de modelos: Contribuir a componentes de prestación de servicios de modelos, APIs, flujos de puntuación por lotes y patrones de integración que hagan disponibles las salidas de ML para aplicaciones empresariales y usuarios operativos. * Seguimiento de experimentos: Utilizar herramientas de seguimiento de experimentos y documentación estructurada para respaldar la reproducibilidad, la comparación de versiones de modelos y la mejora basada en evidencia de los modelos. * Apoyo a la evaluación: Contribuir a marcos de evaluación impulsados por ciencia de datos, incluyendo conjuntos de datos de referencia, comprobaciones de validación, métricas de rendimiento de modelos, pruebas de regresión y comparación de salidas de modelos. * Entornos de evaluación de ML: Construir y mantener componentes de entornos de evaluación reutilizables que permitan probar de forma repetible modelos, canalizaciones de datos, características, lógica de puntuación y rendimiento de modelos entre distintas versiones. * Supervisión de modelos: Apoyar la supervisión de modelos de ML desplegados, incluyendo rendimiento, calidad de los datos, derivación (drift), latencia, fiabilidad, uso y señales de fallo operativo. * Soporte en producción: Ayudar a investigar incidencias en canalizaciones de ML y modelos desplegados, apoyar la resolución de incidencias y contribuir a la mejora continua de los sistemas de ML en producción. Experiencia técnica * Ingeniería de software: Aplicar sólidas prácticas de desarrollo en Python, colaboración basada en Git, pruebas automatizadas, revisiones de código, documentación y diseño de código mantenible. * Prácticas de MLOps: Aplicar conceptos fundamentales de MLOps, como control de versiones de modelos, uso de registros de modelos, seguimiento de experimentos, CI/CD, pruebas automatizadas, flujos de trabajo de despliegue y supervisión. * Fundamentos de ingeniería de datos: Trabajar con SQL, datos estructurados y semiestructurados, fuentes de datos operacionales, datos de series temporales y comprobaciones de calidad de datos necesarias para soluciones de ML. * Fundamentos de aprendizaje automático: Comprender flujos de trabajo habituales de ML, incluyendo aprendizaje supervisado, validación, ingeniería de características, evaluación de modelos, empaquetado de modelos e inferencia de modelos. * Nube y DevOps: Trabajar con entornos en la nube e híbridos, preferiblemente AWS, así como con Docker, canalizaciones CI/CD, conceptos de automatización de infraestructura y supervisión en tiempo de ejecución. * Fiabilidad en producción: Construir componentes de ML teniendo en cuenta la fiabilidad, trazabilidad, reproducibilidad, observabilidad y mantenibilidad. * Entrega responsable y conforme: Cumplir con los estándares de Roche, expectativas de calidad, requisitos de seguridad, expectativas de privacidad de datos y prácticas responsables de IA, especialmente cuando las soluciones de ML puedan apoyar entornos regulados. Colaboración y aprendizaje * Colaboración multifuncional: Trabajar con científicos/as de datos, ingenieros/as de IA, ingenieros/as de software, ingenieros/as de datos, TI, calidad, expertos/as en procesos y partes interesadas empresariales para comprender casos de uso y apoyar la entrega técnica. * Puente entre ciencia de datos y producción: Ayudar a traducir prototipos de ciencia de datos en soluciones de ML robustas, mantenibles y desplegables. * Compartición de conocimientos: Aprender activamente nuevos métodos de MLOps, ingeniería de ML, nube e ingeniería de software y compartir información relevante con el grupo MLE/DE. * Mentalidad de crecimiento: Mostrar curiosidad, estar abierto/a a la retroalimentación y dispuesto/a a desarrollar una mayor experiencia en aprendizaje automático, fabricación, calidad y entornos de producción regulados. * Promoción de IA y ML: Apoyar la adopción eficaz y responsable del aprendizaje automático y la inteligencia artificial dentro de las Operaciones Técnicas Farmacéuticas. Cualificaciones y competencias * Licenciatura en informática, ciencia de datos, ingeniería, matemáticas, estadística o campo relacionado; o experiencia práctica equivalente. * Experiencia relevante en el desarrollo de software, soluciones de datos, análisis, aprendizaje automático o MLOps. * Excelentes habilidades prácticas en Python y comprensión de las prácticas de ingeniería de software. * Experiencia con Git, APIs, pruebas, documentación y desarrollo colaborativo. * Conocimientos de flujos de trabajo de aprendizaje automático, incluyendo preparación de datos, ingeniería de características, entrenamiento de modelos, evaluación, despliegue y supervisión. * Conocimientos de herramientas y prácticas de MLOps, como MLflow, registros de modelos, seguimiento de experimentos, CI/CD, Docker, pruebas automatizadas y supervisión de modelos. * Experiencia trabajando con SQL y canalizaciones de datos. * Conocimientos de plataformas en la nube, preferiblemente AWS, y en enfoques de despliegue con contenedores. * Capacidad para trabajar en equipos multifuncionales y comunicar temas técnicos con claridad. * Interés en construir sistemas de ML de calidad para producción, más que prototipos únicos. * Experiencia en entornos industriales, de fabricación, farmacéuticos, biotecnológicos, de calidad, de cadena de suministro o regulados constituye una ventaja. Donde rige la transparencia salarial, los detalles se proporcionan según la ubicación principal de la oferta. Para este puesto, la ubicación principal es Madrid. Si te interesa conocer otras ubicaciones donde pueda estar disponible el puesto, te proporcionaremos los correspondientes detalles de compensación más adelante en el proceso de contratación. Quiénes somos Un futuro más saludable nos impulsa a innovar. Más de 100\.000 empleados/as de todo el mundo trabajan juntos/as para lograr avances científicos y garantizar que todas las personas tengan acceso a la atención sanitaria —hoy y para futuras generaciones. Gracias a nuestro compromiso, más de 26 millones de personas reciben tratamiento con nuestros medicamentos y se realizan más de 30 mil millones de pruebas con nuestros productos diagnósticos. Nos animamos mutuamente a explorar nuevas posibilidades, fomentar la creatividad y establecer metas ambiciosas para ofrecer soluciones sanitarias transformadoras. Juntos podemos forjar un futuro más saludable. Roche es un empleador que promueve la igualdad de oportunidades.