Senior Ml Engineer

Product Madness es una empresa líder en la industria de los juegos para dispositivos móviles, dedicada a desarrollar experiencias de juego innovadoras y atractivas. Valoramos el papel de los datos para mejorar la experiencia de los jugadores y orientar las decisiones estratégicas del negocio. Únete a nuestro equipo innovador y colaborativo y contribuye a construir el futuro de los juegos móviles.

Como Senior ML Engineer en Aristocrat , trabajarás con tecnologías avanzadas que transforman la experiencia de juego de millones de usuarios. Este puesto desempeña un papel fundamental en nuestra misión de ofrecer experiencias de juego personalizadas y excepcionales mediante soluciones sofisticadas de machine learning e inteligencia artificial.

Si te apasiona la tecnología y te motiva utilizarla para generar un impacto significativo, esta oportunidad es para ti

• Desarrollar soluciones de machine learning para producción: Crear, implementar, entrenar, evaluar y optimizar modelos de machine learning para predicción, recomendación, personalización y apoyo a la toma de decisiones.
• Desarrollar aplicaciones de IA: Crear e integrar aplicaciones basadas en modelos de lenguaje de gran tamaño (LLM), sistemas de generación aumentada por recuperación (RAG) y flujos de trabajo agénticos en herramientas internas y procesos de negocio.
• Diseñar soluciones de extremo a extremo: Transformar los requisitos de ML/IA en componentes de software, servicios y APIs fiables, garantizando su mantenibilidad, rendimiento y escalabilidad.
• Evaluar sistemas de ML e IA: Diseñar metodologías de evaluación, validar la calidad de los modelos, identificar posibles fallos y garantizar la robustez, seguridad y fiabilidad de los resultados generados por ML/IA.
• Integrar modelos en producción: Colaborar con ingenieros de MLOps para desplegar, supervisar y mantener soluciones de ML/IA, asegurando una integración fluida con las plataformas y aplicaciones existentes.
• Optimizar el rendimiento: Mejorar la velocidad de inferencia de los modelos, la gestión de recursos, la reducción de la latencia y la escalabilidad de las aplicaciones de ML/IA.
• Aplicar buenas prácticas de ingeniería: Escribir código Python limpio, bien probado y fácil de mantener;
  
  implementar pruebas automatizadas, participar en revisiones de código, mantener documentación técnica y garantizar una gestión adecuada de errores.
• Trabajar con datos complejos: Obtener, integrar, validar y preparar datos de múltiples fuentes para respaldar el entrenamiento, la inferencia y la evaluación de modelos.
• Colaborar con diferentes equipos: Trabajar estrechamente con científicos de datos, ingenieros de MLOps, ingenieros de datos y equipos de producto para transformar las necesidades del negocio en soluciones inteligentes y prácticas basadas en datos.
• Contribuir a la excelencia técnica: Participar en discusiones sobre arquitectura, orientar a ingenieros con menos experiencia y contribuir a mejorar los estándares de desarrollo y las prácticas de ingeniería.

• Sólida experiencia en ingeniería de software: Dominio avanzado de Python, diseño y desarrollo de software, pruebas automatizadas, depuración, control de versiones y prácticas de desarrollo colaborativo.
• Machine learning: Experiencia práctica en el desarrollo, entrenamiento, evaluación y optimización de modelos de aprendizaje supervisado utilizando frameworks como scikit-learn, PyTorch, TensorFlow o similares.
• IA generativa: Experiencia práctica en el desarrollo de aplicaciones basadas en LLM, incluyendo ingeniería de prompts, salidas estructuradas, RAG, llamadas a herramientas (tool calling) y flujos de trabajo agénticos.
• Evaluación de ML/IA: Experiencia en el diseño de pipelines de evaluación, medición del rendimiento de modelos, identificación de posibles fallos y validación de resultados generados por IA.
• Especialización en ML: Experiencia práctica sólida en una o varias áreas, como sistemas de recomendación, aprendizaje por refuerzo, modelado de series temporales, aprendizaje no supervisado o modelado causal y bayesiano.
• Especialización en IA: Experiencia en al menos una de las siguientes áreas: aplicaciones de LLM/NLP, flujos de trabajo agénticos o visión por computadora.
• Fundamentos de ingeniería de datos: Sólidos conocimientos de SQL, experiencia en integración de datos mediante APIs y otras interfaces, y comprensión de los procesos de calidad y preprocesamiento de datos.
• Machine learning en producción: Experiencia en despliegue de modelos, servicios de inferencia, monitorización, versionado de modelos y gestión del ciclo de vida de ML.
• Cloud e infraestructura: Conocimientos sólidos de plataformas en la nube (como GCP, AWS o Azure), contenedores, pipelines de CI/CD y entornos