Tutor: Ingeniería de Datos Avanzada y MLOps: De Pipelines a Producción

Desde Centro de e-Learning UTN FRBA buscamos incorporar Tutor o Tutora de trayecto de formación "Ingeniería de Datos Avanzada y MLOps: De Pipelines a Producción" especialista en la temática.

Será responsable de diseñar y dictar el curso, asegurando contenidos actualizados, acompañado /a por un equipo interdisciplinario enfocado en ofrecer una experiencia formativa de calidad.

Dedicación 100% virtual, mayormente asincrónica. Posibilidad de trabajar desde cualquier lugar de Argentina

Perfil requerido

-Ingeniero/a en Sistemas, Informática o afines

-Data Engineer o ML Engineer con sólida experiencia profesional en producción de pipelines y modelos en industria. Experiencia previa en docencia, preferentemente.

-Habilidades tecnológicas y pedagógicas para acompañar el proceso de aprendizaje, evaluar el progreso y ofrecer retroalimentación constructiva a estudiantes.

✅ Se valora

-Manejo de IA aplicada a la enseñanza y la gestión de aulas virtuales.

✔ Responsabilidades

-Diseño y desarrollo del programa y materiales didácticos actualizados. Adaptar materiales a las necesidades del público. -Brindar las clases y seguimiento: dictar clases virtuales sincrónicas una vez a la semana (a partir de las 18 hs) y acompañar actividades asincrónicas. Participar en reuniones ocasionales con el equipo dentro de la franja horaria de 9 a 18hs, dentro de Lunes a Viernes. -Evaluar el progreso de estudiantes y proporcionar retroalimentación constructiva.

Contenidos sugeridos del trayecto: Orquestación de pipelines de datos con Apache Airflow — Arquitecturas modernas de datos: Data Lakehouse y procesamiento distribuido — Calidad, gobierno y trazabilidad de datos — Ingesta y streaming avanzado (evolución del Kafka introductorio ya visto en Data Engineering) — Fundamentos de MLOps: versionado de datos y modelos, model registry — CI/CD aplicado a machine learning — Contenedores y despliegue de modelos: Docker, Kubernetes, APIs de inferencia — Monitoreo de modelos en producción: drift, performance, observabilidad — Proyecto integrador: pipeline de datos end-to-end con un modelo en producción.

Destinatarios: Egresados o cursantes avanzados de los programas de Data Engineering, Machine Learning, Deep Learning, Ciencia de Datos o Inteligencia Artificial; profesionales de datos que ya manejan Python y SQL y buscan dar el salto de modelos en notebook a modelos en producción.

Se requiere contar con monotributo o posibilidad de gestionarlo. Contratación anual.

¡Si te identificás con el perfil, postulate, queremos conocerte!

• Oportunidades de capacitación vinculadas al desarrollo del rol.