Únete a

Amaris Consulting

y trabaja en plataformas de banca digital que dan servicio a miles de usuarios en todo el mundo. Forma parte de un equipo internacional, crece en un entorno ágil y desarrolla tu carrera dentro de un grupo global que valora la innovación, la colaboración y el talento.

Tu misión y tu impacto Como

MLOps Engineer , tendrás un papel clave en la puesta en producción, operación y evolución de soluciones de

Machine Learning . Trabajarás junto a equipos de Data Science, Data Engineering, Software Engineering y Cloud para crear plataformas que permitan entrenar, desplegar y monitorizar modelos de forma segura y fiable. Tu trabajo cubrirá todo el ciclo de vida del modelo, desde la preparación de los entornos y los datos hasta el seguimiento del rendimiento en producción.

✅

Lo que buscamos 4–6 años de experiencia

en posiciones de

MLOps, ML Platform Engineering, DevOps especializado en Machine Learning o similares . Experiencia con

Python

y automatización de procesos. Conocimiento práctico del ciclo de vida de modelos de

Machine Learning . Experiencia con herramientas como

MLflow, Kubeflow, Airflow, Argo Workflows

u otras plataformas similares. Experiencia trabajando con

Docker

y

Kubernetes . Conocimientos de

CI/CD

aplicados a código, datos y modelos. Experiencia en entornos cloud, preferiblemente

Azure , aunque también valoramos experiencia con AWS o GCP. Familiaridad con servicios como

Azure Machine Learning, Azure Kubernetes Service, Azure DevOps, Azure Container Registry

o equivalentes. Conocimientos de

Infraestructura como Código , especialmente Terraform, Bicep o herramientas similares. Experiencia con repositorios de modelos, control de versiones, gestión de artefactos y trazabilidad de experimentos. Conocimientos de monitorización, logging y alertas para modelos y servicios de inferencia. Nivel de

inglés competente

para colaborar con equipos internacionales. Lo que harás Diseñar y mantener plataformas para el entrenamiento,



validación y despliegue de modelos de Machine Learning. Crear pipelines automatizados para llevar modelos desde la experimentación hasta producción. Integrar procesos de

CI/CD y CT , incluyendo pruebas de código, datos y modelos. Gestionar el versionado de modelos, datasets, configuraciones y artefactos. Desplegar servicios de inferencia mediante contenedores y Kubernetes. Trabajar con equipos de Data Science para convertir modelos experimentales en servicios listos para producción. Definir procesos de reentrenamiento y actualización de modelos. Implementar sistemas de monitorización para controlar métricas de rendimiento, calidad de predicción, latencia y consumo de recursos. Detectar posibles desviaciones en los datos y en el comportamiento de los modelos, incluyendo data drift y model drift. Mejorar la trazabilidad, reproducibilidad y control de los procesos de Machine Learning. Gestionar entornos cloud y recursos de cómputo teniendo en cuenta la seguridad y los costes. Automatizar la creación de entornos con Terraform, Bicep u otras herramientas de IaC. Participar en la resolución de incidencias en producción y en los análisis de causa raíz. Contribuir a la definición de buenas prácticas de seguridad, gobierno y cumplimiento para soluciones de IA. Documentar arquitecturas, procesos y decisiones técnicas para facilitar el trabajo entre equipos. Tu mindset y soft skills Capacidad para analizar problemas técnicos y encontrar soluciones prácticas. Comunicación clara con perfiles de Data Science, Software Engineering, Data Engineering, Cloud y negocio. Sentido de ownership y comodidad trabajando con sistemas en producción.



Interés por la automatización, la calidad del software y la mejora continua. Capacidad para trabajar en equipos multidisciplinares y distribuidos. Organización para gestionar varias iniciativas técnicas al mismo tiempo. Comodidad trabajando en metodologías ágiles como Scrum o Kanban. ✨

Se valorará especialmente Experiencia en

sector Retail. Conocimiento de

Databricks, Spark, Azure Data Factory, Synapse

o plataformas de datos similares. Experiencia con

feature stores , como Feast u otras soluciones equivalentes. Conocimientos de

model serving , por ejemplo KServe, Seldon, BentoML o FastAPI. Experiencia con sistemas de mensajería y procesamiento de datos, como

Kafka

o RabbitMQ. Conocimientos de prácticas

SRE , incluyendo SLIs, SLOs, alertas y gestión de incidentes. Experiencia con modelos de lenguaje, sistemas de IA generativa o plataformas de evaluación de modelos. Familiaridad con herramientas de seguridad, gestión de secretos y control de accesos. Certificaciones cloud o de Kubernetes. ¿Por qué unirte a nosotros? Crecimiento profesional:

el 70% de nuestros líderes senior comenzaron en posiciones junior. Formación continua:

acceso a nuestra Technology Academy, cursos en Udemy, webinars y certificaciones financiadas por la compañía. Flexibilidad:

opciones de trabajo en remoto, políticas de trabajo flexible y beneficios sociales, como tickets restaurante, transporte, ayuda guardería y seguro médico privado. Bienestar:

nuestro programa

WeCare

acompaña a los empleados en situaciones críticas. Desarrollo personal:

presupuesto anual de formación para potenciar tus conocimientos técnicos y tus habilidades profesionales.

En

Amaris Consulting , estamos comprometidos con la creación de un entorno inclusivo. Damos la bienvenida a todas las candidaturas cualificadas, independientemente de su género, orientación sexual, raza, etnia, edad o cualquier otra característica.

📌 Consultor de Aprendizaje Automático (Madrid)
🏢 Amaris Consulting
📍 Madrid