En WayOps buscamos un perfil AI Architect que quiera desarrollar su carrera profesional formando parte de un equipo Data AI de primer nivel y trabajando en proyectos cloud con las últimas tecnologías. CONTEXTO RESPONSABILIDADES La persona seleccionada se incorporará dentro de un equipo de nueva formación que tendrá como misión automatizar mediante MLOps la creación responsable de modelos en la plataforma analítica. Junto al especialista de la estrategia en la plataforma y el arquitecto empresarial el AI Architect deberá realizar la definición técnica de la arquitectura y adaptar la plataforma analítica para soportar el proceso de MLOps. Como quiera que el proceso de automatización en el desarrollo de modelos está íntimamente ligado con el código científico desarrollado el AI Architect también deberá supervisar el desarrollo de arquetipos que faciliten y aceleren la creación de modelos científicos responsables. En este sentido será imprescindible contar con un background técnico en programación y experiencia en DevOps para liderar la adaptación a MLOps del proceso científico. PROYECTO EQUIPO El proyecto persigue la adaptación de la plataforma analítica existente para integrar la creación responsable de modelos y automatizar su despliegue mediante MLOps. Como quiera que la base tecnológica ya incluye Azure Databricks y Azure Machine Learning Services se quiere realizar la implementación del proceso gobernado desde Azure DevOps integrando a través de SDK con el resto de servicios para la creación automática de recursos o implementar las pipelines de despliegue. Para el éxito del proyecto resulta imprescindible contar con especialistas que además de tener visión de la arquitectura puedan realizar la configuración de las pipelines y crear los arquetipos en código que integren con los diferentes servicios de Azure Machine Learning. La configuración de cada iniciativa debe permitir el desarrollo local o remoto contra un clúster en Databricks o un Compute en Azure Machine Learning. Toda la configuración del proyecto y despliegue deben ser automatizados. El equipo designado para el proyecto incluirá ingenieros de automatización MLOps (MLOps Engineer) e ingenieros de industrialización IA (AI Engineer) que serán supervisados por el líder técnico (Team Lead). El AI Architect trabajará de la mano del líder técnico y deberá liderar las tareas del equipo especialmente los ingenieros de industrialización AI. Además el proyecto contará con la supervisión del arquitecto empresarial y el apoyo del especialista de la plataforma. En total el equipo del proyecto serán unas ocho personas. EXPERIENCIA CONOCIMIENTOS El perfil a incorporar deberá contar con 2-3 años de experiencia como Arquitecto de Datos participando en la definición e implantación de arquitecturas técnicas que engloben tanto el procesamiento de datos como la creación de modelos científicos en entornos productivos. Además deberá contar con un background de 3-5 años de experiencia como Ingeniero de Datos desarrollando código en PySpark para la transformación de los datos preferentemente en entornos Azure + Databricks. Se valorará experiencia previa como científico de datos y/o como especialista en industrialización de modelos científicos así como experiencia en la definición de mejores prácticas de programación conocimientos y experiencia con CI/CD en Azure DevOps y cualquier experiencia previa en el desarrollo de librerías de código especialmente en torno al SDK v2 de Azure Machine Learning. Será necesario tener experiencia previa con tecnologías - Azure (Databricks Azure Machine Learning Storage Data Factory Key Vault) - Azure Machine Learning (Experiment Tracking Model Registry AML Studio AML SDK v2 MLflow) - Databricks (PySpark Dataframes Delta Tables Unity Catalog Databricks Connect) - Azure DevOps (Boards Pipelines Repos Test Plans Artifacts) - Desarrollo Python (Click Poetry Pipx Opencensus Black Pdb+ fastAPI) - QA Testing (Kiuwan JMeter PyTest) - Herramientas (Visual Studio Code Git) Además se valorará positivamente contar con experiencia o conocimientos en - Azure (Cosmos DB SQL Databases Managed Identities Application Insights Azure Monitor App Service) - Azure Machine Learning (AML Pipelines AML Endpoints AML Environments AML Compute) - Machine Learning (sklearn mllib h2o tensorflow keras) - Responsible AI (AML RAI SDK Fairlearn InterpretML DiCE EconML) - IaC (Terraform Databricks API Bicep Docker Powershell Scripting) - Analytics (PowerBI) CONTRATACIÓN UBICACIÓN La contratación será mediante contrato anual prorrogable como autónomo en jornada completa. El trabajo se desarrollará en remoto preferentemente dentro del horario de oficina del cliente para facilitar la coordinación con el resto del equipo. Banda salarial negociable en función de la experiencia aportada. Incorporación inmediata.