Desarrollador Senior AI Infrastructure — Remoto - SF/London — AI Startup - Python, Machine Learning,

Descripción del puesto

Sobre la vacante

Encord, una startup de AI que acaba de levantar $50-100M en financiamiento, está contratando activamente para roles de AI Infrastructure en San Francisco y Londres. Buscan talento técnico para construir infraestructura multimodal de datos para IA, con oportunidades en desarrollo backend, machine learning engineering y arquitectura de sistemas escalables. La empresa está en crecimiento acelerado, ofreciendo roles remotos o híbridos según ubicación, con paquetes competitivos y participación en el éxito de una compañía en etapa de expansión.

¿Por qué deberías aplicar?

Esta es una oportunidad única para unirte a una startup bien capitalizada en el momento justo de su escalamiento. Trabajarás en problemas complejos de infraestructura de IA con impacto directo en productos que están definiendo el futuro del sector. Aprenderás de equipos de primer nivel, tendrás exposición a tecnologías de vanguardia y podrás crecer profesionalmente en un entorno dinámico donde tu contribución será visible y valorada desde el día uno.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Python avanzado y experiencia con frameworks de machine learning (TensorFlow, PyTorch)
• Conocimiento en arquitectura de datos y pipelines ETL para modelos multimodales
• Experiencia con cloud providers (AWS, GCP, Azure) y herramientas de orquestación (Kubernetes, Docker)
• Soft skills: capacidad para trabajar en equipos distribuidos, comunicación clara y mentalidad de resolución de problemas complejos

Tips prácticos para este puesto

• Prepara tu portfolio técnico: muestra proyectos donde hayas manejado datos multimodales (texto, imágenes, audio) o escalado infraestructura de IA.
• Investiga la empresa: entiende su producto, competidores y el problema que resuelven para destacar en entrevistas.
• Practica system design: roles de infraestructura suelen incluir preguntas de diseño de sistemas escalables y optimización de costos en la nube.

Recursos recomendados

• Tools: MLflow para experimentación, Apache Airflow para orquestación, FastAPI para APIs
• Documentación: AWS AI/ML services, PyTorch tutorials, papers sobre arquitecturas multimodales (CLIP, DALL-E)
• Influencers: Andrej Karpathy, Jeremy Howard, Chip Huyen para insights de IA en producción
• Cursos: "Machine Learning Engineering for Production" en Coursera, "Designing Data-Intensive Applications" libro

Preguntas frecuentes en entrevistas para este rol

• "Diseña un pipeline de datos para entrenar un modelo multimodal con datos de texto e imágenes" - Tip: enfócate en escalabilidad, latencia y monitoreo, menciona herramientas como Apache Beam o Kubeflow.
• "¿Cómo optimizarías los costos de inferencia de un modelo de IA en la nube?" - Tip: habla de auto-scaling, uso de instancias spot, cuantización de modelos y caching de predicciones.
• "Describe un proyecto donde tuviste que depurar un problema de rendimiento en producción" - Tip: usa el método STAR (Situación, Tarea, Acción, Resultado) y muestra tu enfoque sistemático.

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $3,000 - $5,000 | | Mid | $5,000 - $8,000 | | Senior | $8,000 - $15,000 |

*Nota: Varía según país, empresa, modalidad (remoto internacional paga más) y tecnologías específicas. Empresas de USA/EU pagando en LATAM suelen ofrecer 30-50% más. Para roles en AI Infrastructure en startups con funding reciente, los rangos pueden ser superiores, especialmente para senior con experiencia en cloud y escalabilidad.*

Red flags a considerar

• Bandera roja 1: falta de claridad en la hoja de ruta técnica - Pregunta en la entrevista sobre los próximos 6-12 meses de proyectos de infraestructura para evaluar si hay planificación real.
• Bandera roja 2: equipo pequeño con expectativas irreales - Investiga el tamaño del equipo de ingeniería en LinkedIn o Glassdoor; si es muy reducido para el scope, podría indicar sobrecarga.
• Bandera roja 3: dependencia excesiva de herramientas propietarias sin documentación - Señal de advertencia común en startups de IA; pregunta sobre estándares de código, testing y cómo manejan la deuda técnica.