Somos BPT (Business Process & Technologies), una fábrica de datos, analítica y aplicaciones potenciadas con Inteligencia Artificial.
Desde 2014 transformamos organizaciones, articulando estratégicamente procesos, datos e inteligencia artificial para lograr mayor agilidad, eficiencia y precisión en la toma de decisiones.
Desarrollamos soluciones tecnológicas end to end en dos verticales de negocio:
Data & Analytics: decisiones precisas mediante analítica basada en datos gobernados y de calidad.
IA Apps: procesos digitales a la medida, potenciados con Inteligencia Artificial como ventaja competitiva.
Trabajamos bajo tres modelos de servicio:
BPT Managed POD: BPT gestiona el alcance, la calidad y la capacidad técnica de la solución, de acuerdo con el journey desarrollado con cada cliente.
Customer Managed POD (Staff Augmentation): el cliente integra talento especializado de BPT a su equipo y gestiona su trabajo de acuerdo con las necesidades del negocio.
Support & Maintenance POD: BPT dispone de equipos con capacidad fija para atender incidentes, eventos y mejoras menores.
MISIÓN DEL CARGO:
Diseñar, construir y mantener sistemas de Machine Learning productivos y escalables sobre el ecosistema Azure y Databricks, llevando modelos desde la experimentación hasta producción bajo estándares de ingeniería de software.
El rol actúa como puente entre los equipos de Ciencia de Datos y Plataforma/Infraestructura, garantizando que los modelos operen de forma confiable, gobernada, escalable y eficiente en costos.
FUNCIONES:
Desarrollar código Python estructurado, limpio, modular y reutilizable, aplicando programación orientada a objetos y buenas prácticas de ingeniería de software.
Transformar código de experimentación desarrollado en notebooks en soluciones productivas, modulares y empaquetadas mediante Python wheels o contenedores.
Entrenar y desarrollar modelos de Machine Learning y redes neuronales para resolver problemáticas reales de negocio.
Desarrollar soluciones de Computer Vision aplicadas a casos reales.
Preparar, transformar y gestionar datasets para entrenamiento, validación e inferencia.
Analizar diferentes problemáticas y definir la estrategia técnica más adecuada, combinando modelos de Machine Learning, reglas matemáticas y heurísticas cuando sea necesario.
Publicar y consumir modelos utilizando Databricks.
Diseñar, paralelizar y monitorear pipelines de datos y Machine Learning mediante Databricks Workflows/Jobs.
Configurar y optimizar clusters de Databricks para cargas de entrenamiento e inferencia eficientes.
Administrar soluciones de Machine Learning mediante Unity Catalog, incluyendo Model Registry, versionado, linaje de datos y gestión de permisos.
Configurar endpoints para el consumo de modelos en tiempo real y batch.
Implementar y gestionar soluciones de Machine Learning utilizando Azure Machine Learning.
Configurar y mantener pipelines de integración y despliegue continuo mediante Azure DevOps y/o GitHub Actions.
Automatizar procesos de empaquetado y despliegue de código.
Optimizar cargas de PySpark, particionamiento de datos y configuración de clusters para mejorar tiempos de ejecución y eficiencia computacional.
Monitorear modelos en producción, identificando data drift y degradación del desempeño, y definir criterios de reentrenamiento.
Utilizar MLflow para tracking de experimentos, versionado y registro de modelos.
Investigar y resolver errores relacionados con infraestructura, dependencias, rendimiento y ambientes cloud.
Traducir requerimientos de infraestructura hacia los equipos de Ciencia de Datos y contribuir a la definición de estándares técnicos.
Trabajar de manera transversal con Data Scientists, arquitectos, DevOps y equipos de Plataforma/Infraestructura.
Participar en la construcción y documentación de buenas prácticas y estándares de desarrollo.
Mantener una actualización constante sobre la evolución del ecosistema de datos, Cloud y Machine Learning.
