Cloud Deployment Engineer - Hibrido (CDMX)

Desarrollador Cloud

Experiencia

3+ años de experiencia como Desarrollador Cloud en entornos multi-nube (AWS / GCP / Azure).

Experiencia comprobable en integración de IA/ML y prácticas DevOps/MLOps.

Escolaridad

Licenciatura o Ingeniería en Sistemas, Computación, Matemáticas, Física o carrera afín. (Se considera experiencia equivalente comprobable).

Modalidad y Condiciones de Trabajo

Modalidad: Híbrido (2 días en oficina por semana).

Horario: Lunes a viernes, 9:00 a.m. – 6:00 p.m.

Ubicación: CDMX (Polanco / Reforma).

Objetivo del Puesto

Diseñar, construir y operar aplicaciones y servicios escalables en entornos multi-nube, integrando desarrollo backend, prácticas DevOps/MLOps e implementación de modelos de IA/ML en producción. Garantizar calidad, seguridad, observabilidad y eficiencia operativa en soluciones digitales de alto impacto.

Certificaciones Recomendadas

Google Cloud Platform

Professional Cloud Developer

Professional Cloud Architect (deseable SR)

Professional Machine Learning Engineer

Amazon Web Services (AWS)

Certified Developer – Associate

Solutions Architect – Associate

Machine Learning – Specialty

DevOps Engineer – Professional (deseable SR)

Microsoft Azure

Azure Developer Associate (AZ-204)

Azure AI Engineer Associate

Azure DevOps Engineer Expert

Machine Learning

TensorFlow Developer Certificate

IBM AI Engineering Professional Certificate

Idioma

Inglés técnico (deseable).

Habilidades Blandas

Trabajo en equipo y comunicación efectiva.

Autogestión y perfil autodidacta.

Resolución de problemas y pensamiento analítico.

Adaptabilidad y proactividad.

Requisitos Técnicos

Lenguajes de Programación

Python (principal).

Node.js.

SQL.

TypeScript (deseable).

YAML (infraestructura como código / pipelines).

Bases de Datos y Almacenamiento

Cloud SQL, Amazon RDS, Azure SQL, BigQuery.

Bases de datos relacionales y analíticas.

Almacenamiento de objetos: S3, GCS, Azure Blob.

Frameworks y Librerías

Backend: Express, Fastify.

IA/ML: scikit-learn, TensorFlow/Keras, PyTorch.

NLP: spaCy, NLTK, Hugging Face Transformers (deseable).

Herramientas y Plataformas

Docker y Kubernetes (GKE / EKS / AKS).

Helm, Terraform.

MLflow / DVC.

Prometheus / Grafana / OpenTelemetry.

Postman (pruebas de APIs).

Cloud Platforms

Google Cloud Platform (principal).

AWS (deseable).

Azure (deseable).

Metodologías y Prácticas

Metodologías ágiles (Scrum).

CI/CD pipelines (Cloud Build, CodePipeline, Azure DevOps).

Observabilidad y métricas (SLO/SLI, tableros de monitoreo).