Estados Unidos
The MITRE Corporation
AiDASH, Inc.
Ingeniero MLOps Staff
Estados Unidos
Palo Alto, California, United States
AWSDockerKubernetesGo
Traducción automática. Consulta el original.
Sobre AiDASH
AiDASH lidera el movimiento PreventionFirst™ para las empresas de servicios públicos de electricidad y está transformando la resiliencia de la red a través de su plataforma pionera que unifica la inteligencia de vegetación, activos, tormentas e incendios forestales. Impulsado por la Inspección y Monitorización SatelliteFirst™, AiDASH ofrece una visibilidad integral en toda la red a la frecuencia y el presupuesto adecuados, utilizando la modalidad de datos correcta. Más de 200 clientes confían en AiDASH para mantener las luces encendidas, gastar donde importa y defender cada decisión, asegurando el mañana en cada kilómetro de la red. Obtenga más información en aidash.com.
El movimiento PreventionFirst está creciendo, y también el reconocimiento detrás de él. En 2026, Forbes nombró a AiDASH una de las Mejores Startups Empleadoras de América por 4º año consecutivo, y TIME incluyó a AiDASH entre las Mejores Empresas de Tecnología Verde de América por 3ª vez seguida. Deloitte Technology Fast 500™ clasificó a AiDASH en el puesto 12 en el Área de la Bahía de San Francisco, y en el puesto 59 en general en su selección de las 500 principales para 2024.
¡Únete a nosotros para asegurar el mañana juntos!
El Puesto
Nuestros productos basados en satélites y IA están cambiando la forma en que las empresas de servicios públicos ven y protegen la red, y nos estamos preparando para un crecimiento agresivo de clientes durante los próximos dos años. Ese crecimiento se basa en la IA a escala. Estamos construyendo un equipo completamente nuevo de Pipeline de IA de Inferencia de Datos y buscamos un Ingeniero MLOps Staff para diseñar su columna vertebral operativa desde la primera línea de código de infraestructura.
Como el primer ingeniero de este equipo, comenzarás con un lienzo en blanco y una oportunidad única para construir algo duradero. Darás forma a cómo se implementan nuestros modelos, cómo escala y se recupera el pipeline bajo carga, y cuánto cuesta ejecutarlo. Igualmente importante, ayudarás a definir la cultura, los estándares de ingeniería y las formas de trabajar que heredará cada futuro compañero de equipo. Este es un rol práctico de contribuidor individual de alto apalancamiento: tus decisiones sentarán las bases sobre las que construirá todo el equipo, y serás la autoridad técnica de referencia en MLOps a medida que el equipo crezca. Reportarás al Director de Ingeniería del equipo de Pipeline de IA de Inferencia de Datos.
Nuestra adquisición pendiente por parte de Schneider Electric acelerará nuestra misión al llevar nuestra oferta combinada a nuestra base de clientes conjunta, y la infraestructura que construyas impulsará resultados a una escala aún mayor.
El éxito en tus primeros 6 meses se verá así
Ubicación: Este es un puesto híbrido con sede en Palo Alto, CA, que requiere 2 días por semana en la oficina.
- El despliegue de modelos es un proceso repetible y automatizado en todos los modelos.
- La infraestructura de inferencia ha demostrado que escala hacia arriba y hacia abajo sin problemas bajo carga real.
- El coste por inferencia se mide, es visible y tiende a la baja a medida que crece el volumen.
- Existe un plan probado de fallo y recuperación ante desastres para el pipeline de inferencia, con al menos un ejercicio de inyección de fallos completado.
- Data Science puede enviar nuevos modelos a producción de forma rápida e independiente.
Estamos orgullosos de ser un empleador que ofrece igualdad de oportunidades. Estamos comprometidos a abrazar la diversidad y la inclusión en nuestras prácticas de contratación, y promovemos un entorno de trabajo donde todos, de cualquier raza, color, religión, sexo, orientación sexual, identidad de género u origen nacional, puedan hacer su mejor trabajo.
Ofrecemos un rango salarial anual competitivo de $230,000 a $270,000 para este puesto a tiempo completo, que incluye un salario base y un bono basado en el rendimiento. Este rango refleja el rango salarial anual anticipado (base + bono) para nuevos empleados. Nos esforzamos por garantizar que nuestros paquetes de compensación sean equitativos y estén alineados con los estándares de la industria. Tu reclutador podrá compartir más información sobre la compensación durante el proceso de contratación.
Estamos comprometidos a proporcionar una experiencia de entrevista inclusiva y accesible para todos los candidatos. Por favor, haznos saber si necesitas alguna adaptación durante el proceso de entrevista, y haremos todo lo posible para satisfacer tus necesidades.
Lee nuestra Política de Privacidad aquí: aidash.com/policy/privacy-policy/
Cómo generarás impacto
Despliegue
- Gestiona el pipeline de despliegue de modelos de extremo a extremo: empaquetado, versionado, implementación y reversión de modelos de ML que pasan del entrenamiento a la producción.
- Construye y mantén la infraestructura de despliegue en SageMaker (endpoints, batch transform, hosting multi-modelo/multi-contenedor), y evalúa dónde alternativas como el serving auto-alojado u otras opciones gestionadas son una mejor opción.
- Establece el patrón de CI/CD para lanzamientos de modelos, incluyendo pruebas automatizadas, despliegue escalonado y despliegues canary/shadow.
Escalabilidad y elasticidad
- Diseña infraestructura de inferencia que escale sin problemas con la demanda en tiempo real y por lotes.
- Ajusta el cómputo (CPU/GPU/Inferentia o equivalente) para cada modelo y carga de trabajo para equilibrar latencia y coste.
- Realiza pruebas de carga del pipeline y elabora planes de capacidad que se mantengan por delante de los hitos de crecimiento de clientes.
Coste
- Gestiona la métrica de coste por inferencia: instrumenta, informa sobre ella y redúcela a medida que escala el volumen.
- Integra la conciencia de costes en las decisiones de arquitectura, incluyendo políticas de autoescalado, mezcla de spot/on-demand y compensaciones de tamaño/cuantización del modelo.
Fallo y resiliencia
- Diseña para la degradación y el fallo gradual entre regiones y zonas de disponibilidad para el servicio de inferencia.
- Define y prueba procedimientos de recuperación ante desastres, y ejecuta ejercicios regulares de inyección de fallos y caos.
- Construye monitorización, alertas y runbooks de guardia para la infraestructura de servicio de modelos, cubriendo deriva, SLOs de latencia, tasas de error y salud de la infraestructura.
Liderazgo inter-equipos
- Asóciate con Data Science para llevar nuevos modelos a producción en una plataforma construida para soportarlos.
- Asóciate con el equipo de Aplicaciones Web donde los resultados de inferencia potencian las funcionalidades dirigidas al cliente, manteniendo alineadas las expectativas de latencia y fiabilidad.
- Actúa como autoridad técnica en prácticas MLOps a medida que crece el equipo de Pipeline de IA de Inferencia de Datos.
Lo que buscamos
Cualificaciones Mínimas
- Más de 7-10 años en ingeniería de software/ML, incluyendo más de 3 años centrados específicamente en MLOps o infraestructura de ML.
- Experiencia práctica en producción con AWS SageMaker (o una plataforma ML gestionada equivalente) para despliegue y servicio de modelos.
- Un historial probado en el diseño de sistemas para elasticidad/autoescalado, optimización de costes y fallo/resiliencia a escala de producción.
- Sólida experiencia en contenerización y orquestación (Docker, Kubernetes) y en CI/CD construida para cargas de trabajo de ML, incluyendo versionado de modelos y pruebas y despliegues automatizados.
- Experiencia en la instrumentación y gestión de métricas de costes y rendimiento de la infraestructura de la que eres responsable.
- La capacidad de establecer dirección técnica como un contribuidor individual de nivel Staff, generando consenso entre Data Science y otros equipos de ingeniería.
- Mentalidad de alta propiedad, bajo ego y espíritu colaborativo, con pasión por construir plataformas que ayuden a otros a lanzar más rápido.
Cualificaciones Preferidas
- Experiencia con grandes pipelines de datos de imágenes, vídeo o sensores 3D y nubes de puntos u otros datos no estructurados de alto volumen a escala.
- Experiencia con datos multimodales (imágenes, sensores/series temporales, geoespaciales) más allá de datos puramente textuales o tabulares.
- Experiencia en la construcción de prácticas MLOps desde cero en un equipo nuevo.
- Familiaridad con herramientas de monitorización de modelos y detección de deriva, y técnicas de optimización de costes de GPU (cuantización, batching, Inferentia/Trainium o equivalente).
- Experiencia en un dominio regulado o empresarial B2B como servicios públicos, energía, infraestructura, salud o finanzas.
- Certificaciones relevantes de AWS/Kubernetes o contribuciones a herramientas MLOps de código abierto.
Lo que te encantará
- Cobertura Médica, Dental y de Visión Integral: cobertura del 100%% para empleados y del 80%% para sus cónyuges e hijos.
- Cuenta de Reembolso de Gastos Médicos (HRA): financiada al 100%% por AiDASH para cubrir deducibles médicos.
- Plan 401(k): Comienza a contribuir después de dos meses de empleo para prepararte para tu futuro. Actualmente, no se ofrece aportación de la empresa.
- Permiso Parental: Permiso parental de apoyo con 16 semanas para cuidadores principales y 4 semanas para cuidadores secundarios.
- Política Generosa de Vacaciones: Acumula 20 días de vacaciones al año, además de un día festivo flexible adicional para celebrar lo que sea más importante para ti.
- Vacaciones de Invierno: ¡Desde el 25 de diciembre hasta el 1 de enero, damos a todos tiempo libre para recargar energías y disfrutar con familiares y amigos!
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil