Canadá
Siemens
Later
Ingeniero/a MLOps
Canadá
Vancouver, British Columbia, Canadá
AWSGCPKubernetesTerraform
Traducción automática. Consulta el original.
SOBRE ESTA POSICIÓN
Later es la empresa de marketing de influencers más inteligente del mundo, creada para que las marcas tengan la confianza de crear campañas inolvidables. Al combinar relaciones reales con creadores, inteligencia de confianza y orientación experta, Later elimina el miedo y las conjeturas de una de las inversiones más visibles del marketing. Construido sobre una plataforma nativa impulsada por IA y más de una década de datos propietarios —incluyendo miles de millones de interacciones sociales, impresiones y más de $2.4B en compras verificadas impulsadas por influencers— Later ayuda a los equipos a entender qué funcionará antes de lanzar.
Al combinar información de confianza con orientación experta, Later elimina las conjeturas del marketing de influencers, permitiendo a las marcas elegir a los creadores adecuados, ejecutar campañas completamente gestionadas y generar un crecimiento significativo en conocimiento, participación e ingresos. Con la confianza de marcas líderes como Nike, Wayfair, Unilever y Southwest Airlines, Later une creatividad y rendimiento para que las campañas no solo se vean bien, sino que ofrezcan resultados. Obtén más información en later.com later.com/.
Buscamos un/a Ingeniero/a MLOps para ayudar a dar soporte y hacer crecer la infraestructura en la nube de Later, las prácticas de DevOps y las capacidades emergentes de MLOps. Este puesto reporta al equipo de Infraestructura y se centra principalmente en MLOps, AWS, Kubernetes, CI/CD, Terraform, al tiempo que ayuda a dar soporte a las necesidades de infraestructura de nuestros equipos de Datos. Trabajarás en estrecha colaboración con ingenieros senior, equipos de plataforma, científicos de datos e ingenieros de producto para ayudar a construir los sistemas que soportan la entrega de aplicaciones, flujos de trabajo de datos, experimentación de modelos y despliegue de ML.
Este es un puesto excelente para alguien que tenga una base sólida en DevOps y quiera profundizar en infraestructura en la nube, Kubernetes, GitOps y MLOps. Ayudarás a mantener una infraestructura fiable, mejorar los flujos de trabajo de despliegue, automatizar tareas repetibles y dar soporte a los sistemas que permiten a los equipos de ingeniería y datos moverse más rápido y de forma más segura.
¿QUÉ HARÁS?
ESTRATEGIA
- Apoyar el desarrollo y la ejecución de la hoja de ruta de infraestructura en DevOps y MLOps, alineada con los planes de crecimiento de producto y datos/IA.
- Colaborar con los equipos de ingeniería, datos y ML para garantizar que la escalabilidad, fiabilidad, seguridad y automatización se integren tanto en la infraestructura de aplicaciones como en los flujos de trabajo de machine learning.
- Ayudar a evaluar y adoptar herramientas de DevOps y MLOps que mejoren la eficiencia del sistema, la observabilidad, la experiencia del desarrollador, el despliegue de modelos y la fiabilidad operativa.
- Contribuir a los estándares de la plataforma que hacen que la infraestructura, las CI/CD, los pipelines de datos y los sistemas de ML sean más repetibles, seguros y fáciles de operar.
- Apoyar la evolución de las prácticas nativas de la nube que permiten una entrega de productos más rápida, al tiempo que preparan la plataforma para futuras iniciativas de IA y ML.
TÉCNICO/EJECUCIÓN
- Construir y gestionar la infraestructura para desplegar modelos de ML en producción de forma fiable utilizando pipelines de CI/CD, APIs basadas en Flask y herramientas de orquestación (por ejemplo, Airflow, Kubeflow o Argo Workflows).
- Automatizar pipelines de entrenamiento, registro de modelos, validación, despliegue y estrategias de reversión utilizando herramientas como Amazon SageMaker Interface y Postman para pruebas.
- Construir sistemas para monitorizar el rendimiento del modelo, la latencia, la deriva de datos y el uso de recursos utilizando Amazon CloudWatch, Prometheus y Grafana.
- Diseñar y mantener herramientas y sistemas para soportar la versionado de modelos, el seguimiento de experimentos (por ejemplo, MLflow, Amazon SageMaker Studio Notebooks) y flujos de trabajo de entrenamiento reproducibles.
- Operar en GCP y AWS para gestionar la infraestructura de entrenamiento/inferencia, conjuntos de datos de BigQuery y cargas de trabajo de GPU.
- Utilizar herramientas como Terraform o CloudFormation para gestionar la infraestructura en la nube de manera escalable y repetible.
- Trabajar con científicos de datos, analistas, ingenieros de plataforma e ingenieros de producto para dar soporte a sus flujos de trabajo de ML de extremo a extremo.
EQUIPO / COLABORACIÓN
- Colaborar con los equipos de Producto y Datos para optimizar los flujos de trabajo de CI/CD, las prácticas de GitOps y los procesos de despliegue que soportan tanto la entrega de aplicaciones como los flujos de trabajo de datos/ML.
- Trabajar en estrecha colaboración con los equipos de Datos para dar soporte a una infraestructura fiable para pipelines de datos, experimentación de modelos, flujos de trabajo de entrenamiento y despliegues de ML en producción.
- Colaborar con los equipos de Producto para comprender las necesidades de la plataforma y garantizar que las decisiones de infraestructura apoyen la fiabilidad, escalabilidad y velocidad de entrega del producto.
- Compartir documentación, runbooks y mejores prácticas que ayuden a los equipos de Producto y Datos a desplegar, monitorizar y solucionar problemas de sistemas con mayor autonomía.
- Apoyar una cultura colaborativa de DevOps y MLOps ayudando a los equipos a adoptar la automatización, la observabilidad y los patrones de despliegue repetibles.
INVESTIGACIÓN/MEJORES PRÁCTICAS
- Mantenerse al día con las tendencias nativas de la nube, DevOps, infraestructura de datos y MLOps, identificando herramientas, patrones y prácticas que puedan mejorar la fiabilidad, la automatización, la escalabilidad y la velocidad de entrega.
- Evaluar continuamente la infraestructura, los pipelines de CI/CD, los flujos de trabajo de datos, los procesos de despliegue de modelos, el rendimiento, el coste y la eficiencia, recomendando mejoras que se alineen con los objetivos de los equipos de producto, ingeniería y datos.
- Contribuir a la documentación, runbooks, revisiones de incidentes y procesos de post-mortem para fortalecer el aprendizaje operativo en las prácticas de DevOps y MLOps.
- Ayudar a definir y compartir mejores prácticas para la infraestructura como código, GitOps, observabilidad, despliegues seguros, fiabilidad de pipelines de datos y automatización de flujos de trabajo de ML.
- Buscar oportunidades para simplificar sistemas, reducir el trabajo manual y mejorar la experiencia de los equipos de desarrollo y datos a través de mejores herramientas, automatización y estándares de plataforma.
QUÉ ESPERAMOS
PRIMEROS 30 DÍAS — APRENDER, APOYAR Y COMPRENDER
- En los primeros 30 días, el candidato se centrará en aprender la infraestructura en la nube de Later, los entornos de Kubernetes, los servicios de AWS, los flujos de trabajo de CI/CD y los componentes de la plataforma de datos/ML.
- Comenzará a dar soporte a los pipelines de despliegue existentes, herramientas de observabilidad, documentación de infraestructura y flujos de trabajo operativos. También comenzará a familiarizarse con las cargas de trabajo habilitadas para GPU, los entornos SageMaker, los notebooks, los trabajos de entrenamiento de modelos y los procesos actuales de despliegue de ML.
- Al final de los 30 días, el candidato debería comprender cómo están estructurados nuestros sistemas de DevOps y MLOps, dónde se necesita soporte y cómo los equipos de Producto y Datos utilizan la plataforma.
- Serás reconocido internamente como un socio de confianza que apoya la excelencia operativa, mejora la fiabilidad de la plataforma y ayuda a elevar los estándares técnicos en las prácticas de DevOps y MLOps.
PRIMEROS 60 DÍAS — CONTRIBUIR, AUTOMATIZAR Y MEJORAR
- Para el día 60, el candidato comenzará a asumir la propiedad de tareas más pequeñas de infraestructura y automatización en Kubernetes, AWS, CI/CD y flujos de trabajo de la plataforma de ML.
- Ayudará a mejorar los pipelines de despliegue para aplicaciones, infraestructura y flujos de trabajo de ML, haciéndolos más consistentes, automatizados y fáciles de usar para los equipos. También apoyará el aprovisionamiento, monitorización y optimización de nodos GPU para cargas de trabajo de entrenamiento, experimentación e inferencia.
- El candidato apoyará a SageMaker, incluyendo notebooks, trabajos de entrenamiento de modelos, controles de acceso, monitorización y patrones de despliegue repetibles. También ayudará a mejorar la documentación, runbooks, alertas y procesos de solución de problemas.
PRIMEROS 90 DÍAS — SER PROPIETARIO, OPTIMIZAR Y ESCALAR
- Para el día 90, el candidato debería estar contribuyendo con mayor independencia en los flujos de trabajo de DevOps y MLOps.
- Ayudará a mejorar la fiabilidad, escalabilidad, seguridad y observabilidad en clústeres de Kubernetes, infraestructura de AWS, cargas de trabajo habilitadas para GPU, entornos SageMaker y componentes de plataforma de datos/ML.
- Apoyará flujos de trabajo de ML listos para producción ayudando a mejorar la experimentación, el despliegue de modelos, la monitorización, la reversión, la solución de problemas y la preparación operativa. También ayudará a garantizar que los requisitos de seguridad y cumplimiento se integren en la infraestructura, las CI/CD, los pipelines de datos, los flujos de trabajo de SageMaker y las operaciones de la plataforma.
- Al final de los 90 días, el candidato debería ser reconocido como un socio de confianza para los equipos de Producto y Datos, ayudando a reducir la sobrecarga operativa a través de la automatización, documentación, alertas, gestión de recursos GPU y estándares de plataforma repetibles.
¿CÓMO TRABAJAS?
- Impulsado por el Impacto: Entregas resultados que importan, priorizando el trabajo de alto valor, cumpliendo plazos y adaptándote rápidamente mientras mantienes claros los resultados.
- Estratégico y Centrado en el Cliente: Anticipas riesgos y oportunidades, conectas las decisiones con el crecimiento a largo plazo y construyes confianza a través de información proactiva.
- Curioso y Orientado al Crecimiento: Buscas conocimiento, haces preguntas agudas y aplicas rápidamente lo aprendido, desafiando el status quo con una mentalidad de mejora.
- Colaborativo y Resiliente: Prosperas en el cambio manteniéndote ingenioso, enfocado en soluciones y positivo, eliminando obstáculos, compartiendo información y manteniendo alta la moral.
- Responsable y Honesto: Te haces cargo de tu trabajo, te exiges a ti mismo y a los demás un alto nivel, y utilizas la retroalimentación transparente para impulsar el crecimiento.
- Inteligencia Emocional: Construyes confianza a través de la empatía y la colaboración, fomentas la inclusión e inspiras a otros con determinación, optimismo e integridad.
#LI-Hybrid
DÓNDE TRABAJAMOS
Tenemos oficinas en Boston, MA; Vancouver, BC; y Vancouver, WA. Para puestos selectos, estamos abiertos a contratar candidatos completamente remotos. Publicamos nuestras vacantes en la(s) ubicación(es) donde estamos abiertos a que se encuentre el candidato seleccionado.
DIVERSIDAD, INCLUSIÓN Y ACCESIBILIDAD
En Later, estamos comprometidos a fomentar una cultura arraigada en una mentalidad de inclusión primero en todos los niveles de la empresa, adoptando la importancia de contratar y construir equipos para aportar a la cultura en lugar de encajar en ella. Construimos y mantenemos abiertamente prácticas de contratación, remuneración y promoción imparciales para crear una base para un lugar de trabajo equitativo, allanando el camino para el cambio sistémico.
Estamos comprometidos a crear un entorno diverso y nos enorgullece ser un empleador que ofrece igualdad de oportunidades. Todas las solicitudes recibirán consideración para el empleo sin distinción de raza, color, religión, género, identidad o expresión de género, origen nacional, discapacidad o edad. Por favor, háganos saber si necesita alguna adaptación o apoyo durante el proceso de contratación.
¿QUÉ APORTAS?
- 2–5 años de experiencia práctica en DevOps o ingeniería en la nube en entornos de producción.
- Experiencia con Kubernetes (EKS), Helm y microservicios.
- 1-2 años de experiencia en AWS y SageMaker.
- 1-2 años creando pipelines de datos
- 1-2 años con despliegues de LLM en Kubernetes.
- 1-2 años con clústeres de kubernetes utilizando nodos con GPU.
- Historial probado de uso de Terraform para Infraestructura como Código escalable y auditable.
- Una mentalidad colaborativa y orientada a soluciones, y una pasión por la automatización y la mejora continua.
NUESTRO ENFOQUE DE COMPENSACIÓN
Adoptamos un enfoque de compensación basado en el mercado y en datos. Utilizamos datos de fuentes de compensación de terceros de confianza para ayudarnos a comprender el valor de mercado de un puesto basado en la función, el nivel, la ubicación geográfica y el alcance. Evaluamos la compensación dos veces al año, incluyendo factores de rendimiento y relacionados con el mercado.
Nuestros salarios se comparan con la Compensación Total en Efectivo del mercado para la ubicación geográfica de nuestra oferta de empleo. La compensación para algunos puestos se estructura como Ganancias Objetivo (OTE = base + comisión/variable), mientras que para otros se estructura solo como Salario.
Para cumplir con la legislación local y garantizar la transparencia, compartimos rangos salariales en todas las ofertas de empleo. Las habilidades, la experiencia y otros factores ayudan a determinar el salario final que ofrecemos, que puede variar del rango original publicado.
Además, todos los miembros permanentes del equipo son elegibles para participar en diversos planes de beneficios como parte de su paquete de compensación total.
Rango Salarial: $ 120,000 - 140,000 CAD
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil