Machine Learning Engineer

Como Machine Learning Engineer en Mercado Libre, diseñarás y escalarás sistemas innovadores y seguros que resuelven problemas reales y de alto impacto. Trabajarás en un entorno dinámico con tecnología de vanguardia, aplicando buenas prácticas de ingeniería, modelos de IA propios y aprendizaje continuo, con el propósito de democratizar el comercio electrónico y los servicios financieros en América Latina. Imagináte emprendiendo proyectos desafiantes, dinámicos e innovadores y siendo responsable de: Diseñar y evolucionar soluciones de Inferencia de Baja Latencia: Llevar modelos de Computer Vision y NLP a producción optimizando el throughput y el consumo de recursos, garantizando tiempos de respuesta compatibles con la experiencia en vivo. Dominar el ciclo de vida de LLMs/VLMs: Desde la exploración y el context engineering hasta la implementación de flujos agénticos que puedan razonar sobre contenido multimedia. Garantizar la calidad mediante Evals: Construir pipelines de evaluación rigurosos para medir de forma reproducible el impacto de cada cambio en los modelos, prompts o flujos, mitigando regresiones y alucinaciones. Iterar sistemáticamente: Aplicar técnicas de prompt learning e iteración continua basadas en datos para maximizar el recall y la precisión de nuestras soluciones. Diseñar Arquitectónicamente y Spec Driven Development: Liderar la definición de componentes y contratos claros utilizando Spec Driven Development antes de escribir código, asegurando sistemas robustos, testeables y mantenibles en el tiempo. Construir el motor de datos: Desarrollar los pipelines de datos necesarios para alimentar el entrenamiento, fine-tuning y evaluación continua de los modelos. ¿Cuáles son los requisitos? Dominar el ciclo de vida completo de modelos de Computer Vision y NLP, entrenamiento, evaluación e inferencia. Tener experiencia optimizando y sirviendo modelos para baja latencia utilizando PyTorch, HuggingFace , formatos de serialización como ONNX , y motores de inferencia modernos de alto rendimiento como vLLM o Llama.cpp . Contar con experiencia real en el ciclo de vida de soluciones basadas en LLMs: técnicas avanzadas de Context Engineering , RAG, y metodologías sistemáticas de Prompt Iteration / Prompt Learning . Demostrar experiencia en el desarrollo de flujos agénticos y orquestación compleja utilizando LangChain, LangGraph o el Google SDK . Tener experiencia configurando y analizando métricas con frameworks de Evals para LLMs (ej. LangSmith , Ragas u homólogos). Manejar técnicas de Fine-Tuning eficiente de modelos como QLoRA para ajustar modelos fundacionales a nuestros casos de negocio. Tener dominio avanzado de Python aplicando buenas prácticas de ingeniería de software: Clean Architecture , testing automatizado y pipelines de CI/CD . Tener experiencia en la creación de pipelines de datos masivos usando BigQuery y SQL avanzado para extraer datasets de entrenamiento y evaluación. ¿Te animás a dejar huella en la tecnología de América Latina? Modalidad de trabajo híbrida. Site Bogotá, Colombia. #J-18808-Ljbffr