Ubicación: Las Rozas, Madrid – Calle Jacinto Benavente

¿Tiene su CV preparado? Si es así y confía en que este es el puesto adecuado para usted, asegúrese de enviar su solicitud lo antes posible.

Modalidad: Híbrida, 1 día presencial por semana

Proyecto: Machine Learning / MLOps / Data Engineering

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. xhfqzwm

- Optimización de costes computacionales.

#J-18808-Ljbffr

📌 Machine Learning Engineer / Mlops – Gcp (Madrid)
🏢 Grupo TECDATA Engineering
📍 Madrid