CS-06 — Backend e integraciones · Arquitectura cloud · Automatización e IA
Microservicios .NET, AWS serverless y pipelines de ML
Desarrollo y mantenimiento de microservicios C#/.NET y funciones Lambda en varias áreas de una plataforma de precios, soporte de infraestructura AWS en varias regiones, integración de pipelines de ML con SageMaker y Step Functions, y entrega con Azure DevOps.
- Mi papel
- Software / Data Engineer contribuyendo en varias áreas de la plataforma (Wizeline); no propietario exclusivo de ningún servicio.
- Periodo
- No documentado
- Divulgación
- Detalles anonimizados
- Tecnologías
- C#.NETREST APIsAWS LambdaAmazon API GatewayPostgreSQLAmazon RDSAmazon AuroraSnowflakeAmazon SQSAmazon SNSAmazon EventBridgeAWS Step FunctionsAmazon SageMakerAmazon CloudWatchAWS IAMAWS Systems ManagerAWS Secrets ManagerAmazon MWAAAzure DevOps
- Última revisión
- 13 de noviembre de 2026
Contexto
La plataforma se compone de microservicios y funciones serverless para precios, flujos de precios, estrategias, márgenes, volúmenes, informes, gestión de estaciones, control y configuración, entitlements y notificaciones, sobre PostgreSQL, Snowflake y AWS. Incluye además flujos de ML para propuestas de precio basadas en mercado.
Retos
- 01Entender arquitecturas backend existentes y bugs de aplicación con origen en los datos.
- 02Comunicación entre servicios y mensajería distribuida.
- 03Configuración multi-entorno y multi-región, permisos IAM y secretos.
- 04Dependencias de ejecución y procedimientos de reejecución en pipelines de ML orquestados.
Solución y arquitectura
Desarrollo de APIs y lógica de integración en C#/.NET con inyección de dependencias y mensajería asíncrona; optimización del acceso a base de datos; actualización de dependencias; resolución de incidencias en producción con CloudWatch; soporte a despliegues serverless y entre regiones; y pruebas de endpoints REST, regresión y validación posterior a despliegues. En los pipelines de ML (SageMaker, Step Functions, Lambda, EventBridge, Snowflake, SSM), investigación de la orquestación, la autenticación y la conectividad con Snowflake, dependencias de ejecución, reinicio y reejecución, planificación y configuración de entornos.
Decisiones clave
Aún no documentado
Compromisos
Aún no documentado
Resultados
Los resultados se publicarán una vez verificados
Aprendizajes
Aún no documentado
En los pipelines de ML, el papel de Ander es de integración, investigación y soporte de infraestructura; no es autor de la investigación ni de los modelos.
Entrega: Azure DevOps, Git, pull requests, code reviews, pipelines de release, promoción entre entornos (desarrollo, test, preproducción, producción) y coordinación de despliegues.
Pregunta sobre este caso de estudio
Las preguntas de aquí se responden con el caso de estudio «Microservicios .NET, AWS serverless y pipelines de ML» como contexto.