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).