Objetivo del Cargo Diseña, evalúa y lidera las diferentes estrategias diseñando las arquitecturas de las soluciones con IA. Funciones y responsabilidades 1. Diseñar y crear la estructura completa de una solución de software, entendiendo con claridad los requerimientos, identificando los componentes claves, definiendo las interfaces entre estos y seleccionando las tecnologías apropiadas. 2. Liderar la estrategia de DevSecOps diseñando las arquitecturas de las soluciones con un fuerte foco en seguridad, asegurando que las consideraciones de seguridad sean integradas desde el principio. 3. Asegurar que las soluciones de software pueden manejar las cargas de trabajo requeridas en escenarios de aumento y mantener el desempeño óptimo bajo diferentes condiciones. 4. Asegurar que cada componente de software cumple con sus funciones y responsabilidades de manera autónoma y puede integrarse y trabajar conjuntamente. 5. Realizar la validación de las arquitecturas de referencia del cliente y evaluar la adherencia a dichas arquitecturas como posibles alternativas de solución. 6. Establecer los estándares técnicos, mejores prácticas y líneas guías de codificación para mantener la consistencia y la calidad a través de todo el ciclo de vida de desarrollo. 7. Asistir y direccionar los posibles riesgos técnicos, identificando y remediando vulnerabilidades de seguridad. 8. Trabajar de manera cercana con los equipos de Desarrollo proveyendo guía y soporte durante todo el ciclo de Desarrollo. 9. Asegurar el cumplimiento de los pilares de DevSecOps desde el inicio del ciclo de Desarrollo. 10. Definir cómo los componentes DevSecOps serán integrados a través de todo el ciclo de Desarrollo. 11. Proveer guía y mentoría a líderes técnicos y desarrolladores. 12. Evaluar nuevas herramientas, frameworks y plataformas para determinar su relevancia. 13. Asegurar el cumplimiento de las prácticas de construcción de software e ingeniería definidos. 14. Analizar continuamente el desempeño de las soluciones y sugerir mejoras. 15. Asegurar que las soluciones satisfacen los estándares relevantes de industria. 16. Liderar y trabajar mano a mano con el equipo de desarrolladores durante el ciclo de vida de las soluciones de software. 17. Ejercer gobierno técnico y metodológico durante el ciclo de vida de desarrollo de software. 18. Ejercer gobierno arquitectónico y de diseño sobre el portafolio de productos de software. 19. Garantizar el cumplimiento de indicadores de calidad asociados al diseño y al código del portafolio de productos de software. Conocimientos requeridos 1. Plataformas de Nube: - Azure (principal): Azure Machine Learning, Cognitive Services, Databricks, Azure Synapse Analytics, Azure Data Lake, Azure Kubernetes Service (AKS), Azure DevOps, Event Hubs, Service Bus. - Otras Plataformas (deseable): Conocimientos generales de AWS y Google Cloud Platform (GCP). 2. Lenguajes de Programación: - Python: Dominio avanzado, especialmente en librerías de IA/ML como TensorFlow, PyTorch, Scikit-learn y NLTK. - SQL: Para consultas y manipulación de bases de datos relacionales. - Spark (para procesamiento distribuido de datos en Databricks). 3. Tecnologías y Herramientas de Machine Learning y Data Science: - Databricks: Creación y optimización de pipelines de datos y modelos de ML. - Azure Machine Learning: Gestión del ciclo de vida de modelos, entrenamiento y despliegue. - RAG (Recuperación Aumentada con Generación): Técnicas y herramientas para la integración de sistemas de búsqueda y generación de texto en aplicaciones de IA. - Vectorización: Herramientas y técnicas para el procesamiento de embeddings y búsqueda semántica. - Modelos de IA Generativa: Familiaridad con modelos de lenguaje de última generación. 4. Bases de Datos y Almacenamiento: - Relacionales: SQL Server. - NoSQL: Cosmos DB, MongoDB (deseable). - Data Lakes: Azure Data Lake. - Repositorios de Documentos: Integración con sistemas de almacenamiento documental. 5. Contenerización y Orquestación: - Docker: Para crear y gestionar contenedores de aplicaciones de IA. - Kubernetes: Preferentemente Azure Kubernetes Service (AKS). 6. Pipelines de CI/CD y Herramientas de Automatización: - Azure DevOps: Creación de pipelines para automatizar el despliegue de modelos y servicios de IA. - Git: Conocimiento avanzado en gestión de código. 7. Servicios Cognitivos de Azure: - Azure Cognitive Services: Uso de servicios de visión por computadora, análisis de texto, reconocimiento de voz, traducción y otros servicios cognitivos. 8. Tecnologías de Integración de Mensajería: - Azure Service Bus y Event Hubs. 9. Pruebas de IA y ML: - Herramientas y técnicas para pruebas de rendimiento, carga, estrés y seguridad de modelos de IA. 10. Seguridad y DevSecOps: - Prácticas de DevSecOps en la nube. Experiencia Requerida: Profesional con mínimo 7 años de experiencia en soluciones de uso de servicios cognitivos y 3 años en soluciones AI. Condiciones Deseables: Debe tener disponibilidad para viajar por solicitud del cliente. #J-18808-Ljbffr