Seré científico de datos e ingeniero de mlops usando python

Ingeniero de MLOps | Científico de datos | Más de 2 años de experiencia

Mis áreas de especialización son

CI/CD: GitHub Actions, Jenkins, ArgoCD - Reduje los ciclos de lanzamiento en un 70%, las fallas en despliegue en un 85%

Containerización: Docker, Kubernetes (EKS/AKS/GKE), HPA, Istio, Helm - Imágenes un 40% más pequeñas, disponibilidad del 99.9%

Pipeline de ML: Kubeflow, MLflow, Airflow, Feast, DVC, ZenML - Menos trabajo manual en un 85%, desarrollo un 50% más rápido

Cloud: AWS (SageMaker, ECR, EKS, Lambda, API Gateway), Azure ML, GCP Vertex AI, Terraform

Monitoreo: Prometheus, Grafana, Evidently AI, DeepChecks, WhyLogs, PagerDuty - Tiempo medio de detección de incidentes reducido en un 75%

Calidad de datos: Great Expectations, Pandera, Pydantic - Menos problemas con datos en un 60%, más de 15 suites de expectativas

NLP y LLMs: PyTorch, Hugging Face, LangChain, RAG, Fine-Tuning, LLaMA, VLLM - Precisión en sentimientos del 89%

Modelos: Churn (85% precisión, 15% aumento en retención), XGBoost (80% R²), más de 10,000 predicciones diarias

Construyo pipelines de MLOps escalables, de grado producción, de extremo a extremo, con seguimiento de experimentos, versionado de modelos, reentrenamiento automatizado y detección de deriva. ¡Vamos a desplegar tus modelos de AI/ML a gran escala!

Pila tecnológica: Python | SQL | TensorFlow | Scikit-learn | FastAPI | Redis | PostgreSQL | Pytest | Git | Linux | Bash