Bueno, nunca había escuchado sobre este perfil hasta que entré a Workera. Pero la verdad no se me hace raro porque las necesidades de la industria son muy diversas y seguramente requieren personas con habilidades que se cruzan entre campos. La siguiente descripción también es tomada de Workera.
Este perfil también realiza tareas de ingeniería de datos, modelado, despliegue e IA infraestructura, como en el perfil de MLE. Trabajan bien con científicos, analistas e investigadores quienes se encargan del análisis de negocio y modelado.
Este perfil es también por lo general el primero en los equipos en etapa inicial (cuando se están formando o cuando tienen sus primeros proyectos) o en las empresas emergentes que buscan implementar modelos de machine learning. Es como el perfil debut, según lo que entiendo. Esto se debe a que como es un perfil tan versátil encaja bien en start-ups, donde los ingenieros tienden a realizar una variedad de tareas.
Es como si fuera un equipo en una sola persona, pues combina algo así como un software engineer con un data scientist o con un MLE. Sobre todo con un MLE cuando se trata de equipos que trabajan en proyectos de ML más maduros, tal como mejorar un modelo existente que ya está en producción. Igualmente, es más fácil encontrar personas que encajen en este rol doble que en un rol neto de MLE. Y además es menos costoso y más rápido ocupar una sola posición que representa a dos, que contratar a un data scientist (científico de datos) más un software engineer (ingeniero de software).
En contraste con la gráfica de telaraña de un MLE, la de un Software engineer – Machine Learning hace más énfases en las habilidades de ingeniería de software, menos en las de Machine Learning, y variable en el resto.
Básicamente las herramientas de un Software Engineer – Machine learning son las mismas del MLE, y comprenden tareas de modelado, ingeniería de datos, despliegue, implementación e infraestructura de IA, y colaboración y flujo de trabajo.