Data Scientist Senior Machine Learning Engineering

Descripción del puesto

Sobre la vacante

Wizeline busca un Data Scientist Senior especializado en Machine Learning Engineering para unirse a su equipo en Ciudad de México. El rol implica arquitecturar infraestructura ML de extremo a extremo en una empresa global nativa en IA, liderando el despliegue de soluciones de alto impacto y diseñando flujos avanzados de CI/CD. Se requiere un experto senior para construir plataformas digitales de vanguardia y fomentar una cultura de innovación.

¿Por qué deberías aplicar?

Esta es una oportunidad única para diseñar sistemas de ML a escala global en una empresa que respira IA. Aprenderás las mejores prácticas de MLOps y CI/CD para machine learning, trabajarás con tecnologías de punta y liderarás proyectos que impactan millones de usuarios. Es el salto ideal para un científico de datos que quiere evolucionar hacia la ingeniería de ML en un entorno de alto crecimiento.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Python avanzado con librerías como TensorFlow, PyTorch o scikit-learn
• Experiencia en arquitectura de infraestructura ML (pipeline, deployment, monitoring)
• Conocimiento sólido en CI/CD para ML (MLOps, herramientas como Kubeflow, MLflow)
• Soft skills: liderazgo técnico, comunicación para explicar modelos complejos, pensamiento sistémico

Tips prácticos para este puesto

• Enfoca tu portafolio en proyectos donde hayas desplegado modelos a producción, no solo en desarrollo
• Prepara ejemplos de cómo optimizaste pipelines de ML para reducir latencia o costos
• Investiga las tendencias actuales en MLOps y menciona herramientas específicas en la entrevista

Recursos recomendados

• Tools: MLflow, Kubeflow, Docker, Kubernetes, AWS SageMaker o Google AI Platform
• Documentación: TensorFlow Extended (TFX) docs, MLOps.org
• Influencers: Chip Huyen (autora de "Designing Machine Learning Systems"), Andrew Ng en MLOps
• Cursos: "Machine Learning Engineering for Production (MLOps)" en Coursera

Preguntas frecuentes en entrevistas para este rol

• "Describe un pipeline de ML que hayas desplegado a producción" - Tip: Explica cada etapa (data ingestion, preprocessing, training, deployment, monitoring) y los desafíos técnicos que superaste.
• "¿Cómo manejas el versionado de modelos y datos?" - Tip: Menciona herramientas como DVC (Data Version Control) o MLflow y cómo integras esto en CI/CD.
• "¿Qué métricas usas para monitorear modelos en producción?" - Tip: Habla de drift detection, accuracy decay, y métricas de negocio específicas, no solo técnicas.

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $1,500 - $2,500 | | Mid | $2,500 - $4,000 | | Senior | $4,000 - $7,000 |

*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.*

Red flags a considerar

• Bandera roja 1: Falta de infraestructura ML definida - Pregunta en la entrevista: "¿Cómo es su stack actual de MLOps y qué herramientas usan para CI/CD de modelos?" Si la respuesta es vaga, podría indicar que estás empezando desde cero sin recursos.
• Bandera roja 2: Expectativas poco realistas sobre despliegue rápido - Investiga antes de aceptar: Revisa si la empresa tiene casos de éxito previos en ML o si es un proyecto nuevo sin roadmap claro.
• Bandera roja 3: Cultura que prioriza velocidad sobre calidad en ML - Señal de advertencia común: Si mencionan "necesitamos modelos en producción ayer" sin hablar de testing o monitoring, puede llevar a deuda técnica y burnout.