Ingeniero de IA

Encabezado - Externo

Objetivo de la posicion

- Diseñar, desarrollar, entrenar y optimizar modelos avanzados de inteligencia artificial (ML, DL, RL, GenAI), colaborando estrechamente con científicos de datos y equipos de negocio para traducir problemas complejos en soluciones técnicas viables, asegurando que los modelos sean robustos, eficientes y estén listos para su integración en entornos productivos por parte del equipo de MLOps.

- Gestionar proyectos de ingeniería de IA de extremo a extremo, colaborando con equipos multidisciplinarios (internos y externos) para traducir requerimientos de negocio en arquitecturas técnicas, desarrollar pipelines de datos, entrenar modelos, y desplegar soluciones confiables, seguras y alineadas con los objetivos estratégicos de la compañía.

- Garantizar la operación continua, monitoreo y mejora de los sistemas de IA, implementando buenas prácticas de MLOps, automatización de flujos de trabajo, validación de modelos, control de versiones y gestión de infraestructura, para maximizar el impacto y valor generado.

- Comunicar avances técnicos, limitaciones y resultados clave a stakeholders relevantes, utilizando visualizaciones claras, documentación técnica y reportes ejecutivos, facilitando la toma de decisiones basada en datos y el entendimiento de la tecnología implementada.

Principales Responsabilidades

- Desarrollar, entrenar y validar modelos de IA (ML, DL, RL, GenAI), asegurando su robustez, eficiencia y alineación con los objetivos del negocio, utilizando Python, Spark, SQL, y servicios en la nube (AWS, Azure, Databricks). 40%

- Colaborar con científicos de datos y equipos de negocio para entender necesidades, traducir requerimientos en soluciones técnicas y entregar modelos listos para producción, documentando claramente arquitecturas y procesos de entrenamiento. 25%

- Optimizar el rendimiento y la precisión de los modelos, realizando tuning de hiperparámetros, ingeniería de características y pruebas de robustez para maximizar el impacto y minimizar sesgos. 15%

- Preparar, limpiar y transformar grandes volúmenes de datos para el entrenamiento y validación de modelos, asegurando la calidad y consistencia de los datos. 10%

- Investigar y experimentar con nuevas técnicas y arquitecturas de IA, evaluando su aplicación práctica y proponiendo soluciones innovadoras para mantener la ventaja competitiva de la empresa. 10%

Educación (mínima y deseada)

Mínima: Licenciatura en Ingeniería en Computación/Software, Ciencia de Datos, Matemáticas, Estadística, Electrónica o afín.

Deseada: Maestría en IA/ML, Ciencia de la Computación o Ingeniería de Software/Sistemas Distribuidos. Posgrado en áreas aplicadas (NLP, Visión, Optimización) es un plus.

Experiencia (mínima y deseada)

Mínima: 5+ años construyendo soluciones de IA/ML aplicadas, con entrega de modelos listos para producción.
3+ años en diseño, entrenamiento, optimización y validación de modelos (ML/DL/GenAI).
Experiencia práctica en preparación de datos a escala (Spark/SQL) y packaging/integración de modelos vía APIs o servicios.

Deseada: 7–10+ años en AI/ML Engineering o afines, con historial de proyectos en producción.
Colaboración efectiva con MLOps: uso de registries (p. ej., MLflow), feature stores, validación de datos y pruebas automatizadas.
GenAI: fine-tuning ligero (LoRA/PEFT), RAG end-to-end, vector stores (FAISS/Milvus/Pinecone), evaluación de LLMs.

Licencias/Certificaciones Requeridas

- Programación: Python. 95%

- Frameworks de ML/DL: scikit-learn, PyTorch o TensorFlow (al menos uno a nivel avanzado). 90%

- Control de versiones y experimentación: Git, MLflow (tracking/registry) 85%

- APIs y empaquetado: FastAPI/Flask, Docker, Linux/Bash. 85%

- SQL avanzado y modelado orientado a ML. 85%

- Spark/Databricks para preparación/entrenamiento a escala. 80%

- GenAI/LLMs: Transformers, RAG, fine-tuning ligero (LoRA/PEFT). 80%

- Plataformas cloud y servicios de ML. 80%

- Validación/calidad de datos y modelos. 5%

- Visualización técnica y de negocio. 50%

Idiomas (Habla, Escribe, Lee)

Inglés: 90%, 90%, 90%

Paquetes De Computo Requeridos

- Programación: Python [Avanzado], Spark/Databricks[Intermedio-Avanzado], SQL[Avanzado], Bash /Consola de Linux [Intermedio]

- Frameworks de ML/DL: scikit-learn [Avanzado], Pytorch o Tensorflow [Avanzado], Pytorch Lightning o Hugging Face [Intermedio]

- GenAI / LLMs: Hugging Face Transformers [Intermedio], LangChain o Llama Index [Intermedio]

- Control de versiones y experimentación: Git [Avanzado], Mlflow (tracking + model registry) [Avanzado]

- APIs y empaquetado: FastAPI [Básico-Intermedio] (exponer modelos como servicios) ,Docker [Intermedio] (empaquetar artefactos; el despliegue lo ejecuta MLOps)

- Plataformas
Databricks [Intermedio–Avanzado]
Una nube principal (AWS, Azure o GCP) [Intermedio]

- Productividad:
Jupyter/VS Code [Avanzado]
Microsoft Office/365 [Intermedio]

- Visualización técnica:
matplotlib/seaborn/plotly [Intermedio]
Tableau o Power BI [Básico]

Pie de página - Externo

En AT&T México sabemos que la inclusión fortalece a nuestros equipos, por ello promovemos la igualdad de oportunidades sin discriminar por motivos como sexo, género, orientación sexual, identidad o expresión de género, edad, discapacidad, condición social, apariencia física, origen étnico, color de piel, cultura, embarazo o cualquier otra razón. Además, impulsamos la equidad de condiciones mediante la realización de ajustes razonables dentro del entorno laboral.