15 ago
|
Nunegal Consulting
|
Madrid
15 ago
Nunegal Consulting
Madrid
¿Listo/a para dar el siguiente paso como Data Scientist / MLOps Engineer en un contexto tecnológico?
¡Desde Nunegal Consulting tenemos una oportunidad para ti!
¿Cómo es trabajar con nosotr@s? Tenemos una cultura de mejora continua: Te integrarás en un proyecto retador que impulsará tus conocimientos y experiencia. Crecimiento profesional: Apostamos por el crecimiento de nuestro equipo y priorizamos la promoción interna. Cercanía: Nunegal lo formamos personas, no números. Nos conocemos por el nombre. Buen rollo : Somos un equipo, nos ayudamos y compartimos conocimientos. Además, somos conocidos por nuestro #Nunefest
¿Qué te ofrecemos? Incorporación a una empresa en constante crecimiento. Teletrabajo 100%. Retribución flexible (ticket restaurante, seguro médico, transporte y guardería). Formación en inglés y cursos IT
Sobre ti...
♀️ ♂️ Tienes experiencia en el desarrollo de modelos de Machine Learning y Feature Engineering. Has trabajado con procesamiento de datos utilizando Spark y SQL.
Tienes experiencia construyendo pipelines de entrenamiento, inferencia en tiempo real y procesamiento batch. Sabes desplegar modelos como APIs utilizando FastAPI. Eres capaz de iterar rápidamente entre la experimentación y el despliegue en producción. Te adaptas bien a entornos dinámicos y equipos pequeños, con un perfil versátil. Dominas Python para desarrollo y análisis de datos.
¿Cómo será tu día a día? Desarrollarás modelos de Machine Learning y realizarás tareas de Feature Engineering. Diseñarás y mantendrás pipelines de datos y de entrenamiento (batch y tiempo real). Desplegarás modelos en producción como APIs utilizando FastAPI. Colaborarás estrechamente con equipos técnicos para llevar modelos desde la experimentación hasta producción. Optimizarás el rendimiento y la escalabilidad de modelos y pipelines. Trabajarás con grandes volúmenes de datos utilizando Spark y SQL.
📌 Data Scientist / MLOps Engineer - 100% teletrabajo (Madrid)
🏢 Nunegal Consulting
📍 Madrid