Ubicación: Las Rozas, Madrid – Calle Jacinto Benavente

Modalidad: Híbrida, 1 día presencial por semana

Descubra más sobre las tareas diarias, las responsabilidades generales y la experiencia requerida para esta posibilidad desplazándose hacia abajo ahora.

Buscamos un/a Machine Learning Engineer / MLOps con experiencia sólida en GCP, Python, industrialización de modelos y grandes volúmenes de datos, capaz de llevar modelos desde la experimentación hasta producción.

Requisitos imprescindibles

GCP / Vertex AI

- Experiencia sólida y demostrable con Vertex AI.
- Vertex AI Pipelines, Model Registry y Workbench.
- Despliegue y gestión de modelos en producción.
- Experiencia avanzada con BigQuery: optimización de consultas, procesamiento distribuido y conectores externos.

Python / Software Engineering

- Nivel avanzado de Python.
- Desarrollo de código modular, desacoplado, mantenible y testeable.
- Programación concurrente.
- Git, testing automatizado, code reviews y gestión de dependencias.

Machine Learning

- Desarrollo de modelos predictivos sobre millones de registros.
- Experiencia con LightGBM, XGBoost, CatBoost o similares.
- Optimización de entrenamiento e inferencia.

MLOps





- Industrialización de modelos desde notebooks/Workbench hasta producción.
- Pipelines automatizados.
- Versionado de modelos.
- Despliegues reproducibles.
- Monitorización de modelos.

DevOps

- Docker.
- CI/CD: GitHub Actions, GitLab CI o similares.
- Automatización de despliegues y gestión de entornos ML.

Data Engineering

- Construcción de pipelines de datos para entrenamiento e inferencia.
- Optimización de procesos ETL/ELT.
- Gestión y procesamiento de grandes volúmenes de datos.

Se valorará especialmente

- Experiencia en Forecasting / Series Temporales.
- Previsión de demanda con alta cardinalidad.
- Estacionalidades, promociones y eventos.
- Estrategias cold-start.
- Deep Learning aplicado a forecasting: TFT, TiDE, PatchTST, TimesFM, Chronos, Transformers.
- GenAI / LLMOps: RAG, agentes, evaluación de modelos, prompt engineering y observabilidad.
- Optimización de hiperparámetros con Optuna, Ray Tune o similares.
- Paralelización de entrenamiento y optimización de inferencia. xkdbapo
- Optimización de costes computacionales.

📌 Machine Learning Engineer / MLOps – GCP (Vitoria-Gasteiz)
🏢 Grupo TECDATA Engineering
📍 Vitoria-Gasteiz