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 dinámico, 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 (GitHub Actions, GitLab CI o similar): testing, validación automática y promoción a producción.
Monitorización de métricas de negocio y métricas técnicas (RMSE, AUC, ) 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 GitHub Actions, GitLab 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 ágil.
Conocimiento de frameworks de orquestación de datos (Airflow, Prefect).
Familiaridad con plataformas cloud: GCP (BigQuery, Vertex AI), AWS (SageMaker) 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 (Madrid)
🏢 Capitole
📍 Madrid