Senior Machine Learning Engineer — Remoto - México — Tech Consulting - Python, ML, MLOps

Descripción del puesto

Sobre la vacante

PyramidCI busca un Senior ML o MLOps Engineer para unirse a su equipo de manera remota en México. Esta posición requiere 5+ años de experiencia en Data Analytics y 3+ años en ML Engineering y/o MLOps. Se valoran hasta 2 años adicionales en Software Engineering o Data Engineering. Los beneficios son superiores al mercado.

Requisitos técnicos:

• Python
• Data Analytics con Numpy, Pandas, Sklearn o PySpark
• SQL

¿Por qué deberías aplicar?

Esta es una oportunidad para trabajar en proyectos de alto impacto en una consultora tech que valora la innovación en machine learning. Aprenderás best practices en MLOps, escalarás modelos a producción y colaborarás con equipos multidisciplinarios. Ideal para profesionales que buscan crecimiento vertical en el ecosistema ML.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Python avanzado para desarrollo de modelos
• Frameworks de ML como Scikit-learn, TensorFlow o PyTorch
• MLOps tools (MLflow, Kubeflow, Airflow)
• SQL y bases de datos para manejo de datos
• Cloud platforms (AWS, GCP, Azure) - aunque no se menciona, son clave
• Comunicación técnica para presentar resultados

Tips prácticos para este puesto

• Prepara tu portfolio con proyectos de ML end-to-end (desde data cleaning hasta deployment)
• Domina Git y versionado de modelos
• Practica system design para pipelines de ML
• Aprende sobre contenedores (Docker) y orquestación (Kubernetes)
• Mantente actualizado con papers de ML y nuevas herramientas

Recursos recomendados

• Cursos: Machine Learning Engineering for Production (MLOps) Specialization en Coursera
• Libros: "Building Machine Learning Powered Applications" de Emmanuel Ameisen
• Influencers: Chip Huyen (@chipro) en Twitter/X para MLOps
• Tools: MLflow para experiment tracking, DVC para data versioning
• Comunidades: MLOps.community, LatinX in AI

Preguntas frecuentes en entrevistas para este rol

• "Describe un pipeline de ML que hayas implementado end-to-end" - Enfócate en las decisiones técnicas, challenges y métricas de éxito.
• "¿Cómo manejas el versionado de modelos y datos?" - Menciona herramientas como MLflow, DVC o experiment tracking systems.
• "¿Qué harías si un modelo en producción empieza a degradarse?" - Explica tu proceso de debugging: revisar data drift, feature importance, y retraining strategies.

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $2,500 - $3,500 | | Mid | $3,500 - $5,000 | | Senior | $5,000 - $7,500 |

*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.*

Red flags a considerar

• Bandera roja 1: Falta de infraestructura MLOps - Pregunta en la entrevista sobre sus herramientas de deployment, monitoring y versionado de modelos.
• Bandera roja 2: Modelos que nunca llegan a producción - Investiga el porcentaje de proyectos que se implementan vs. quedan en POC.
• Bandera roja 3: Equipo de ML aislado del negocio - Señal de advertencia si no hay colaboración con product managers o stakeholders.