Buscamos un/a Data Scientist / ML Engineer con sólida experiencia en IA tradicional para incorporarse a un equipo de datos en expansión. La persona seleccionada será responsable de diseñar, entrenar y poner en producción modelos predictivos orientados a pricing vibrante, personalización de oferta y forecast de demanda en entornos retail de alto volumen. El rol requiere dominio del ciclo completo de un modelo: desde el análisis exploratorio y la ingeniería de features hasta el despliegue en producción mediante pipelines de CI/CD, garantizando que los outputs lleguen a los sistemas de negocio en tiempo y forma. Responsabilidades principales Modelado y experimentación Diseño y entrenamiento de modelos de regresión para forecast de demanda y elasticidad de precio. Gestión del ciclo de vida de modelos: versionado, retraining periódico y monitorización de drift. Integración en pipelines de CI/CD (Git Hub Actions, Git Lab CI o similar): testing, validación automática y promoción a producción. Monitorización de métricas de negocio y métricas técnicas (RMSE, AUC, precision@k) post-despliegue. Colaboración y comunicación Traducción de requisitos de negocio (pricing managers, category managers) en problemas formales de ML. Documentación clara de metodología,



decisiones de modelado y resultados para audiencias técnicas y no técnicas. Participación en code reviews y en la definición de estándares del equipo de datos. 5+ años de experiencia en roles de Data Science o ML en entornos productivos. Dominio de Python científico. Lenguajes: Python (pandas, scikit-learn, numpy). SQL avanzado. CI/CD: Conocimiento general de pipelines de integración continua; experiencia empaquetando modelos con Docker y desplegando vía Git Hub Actions, Git Lab CI o similar. Experiencia con herramientas de tracking de experimentos: MLflow, W&B o similar. Capacidad de comunicar resultados de modelos a stakeholders no técnicos. Valorables Experiencia en retail, travel retail, e-commerce o industrias con pricing dinámico. Conocimiento de frameworks de orquestación de datos (Airflow, Prefect). Familiaridad con plataformas cloud: GCP (Big Query, Vertex AI), AWS (Sage Maker) o Azure ML. Experiencia con feature stores (Feast, Tecton) o arquitecturas de datos en tiempo real (Kafka, Flink). Conocimientos de A/B testing y experimentación online para validación de modelos en producción. #J-18808-Ljbffr

📌 Machine Learning Engineer (España)
🏢 Capitole
📍 España