Desde Agap2 estamos buscando incorporar un perfil de Data Engineer – Data Products con experiencia en construcción de pipelines de datos y Big Data, orientado a la creación de productos de datos y a la puesta en producción de resultados y predicciones procedentes de modelos de Machine Learning.¿Buscas dar tu próximo paso competente en un proyecto innovador dentro del mundo Data & AI? Queremos conocerteResponsabilidades• Transformar datos inferidos y predicciones procedentes de modelos de Machine Learning en productos de datos fiables, accesibles y de alta calidad para diferentes usuarios y áreas de negocio.• Diseñar, desarrollar y mantener pipelines de inferencia escalables, tanto batch como en tiempo real, para procesar e integrar los resultados de modelos de ML dentro del ecosistema de datos.• Desarrollar y optimizar procesos de datos utilizando Python, SQL, Spark y Databricks.• Diseñar y modelar datasets específicamente preparados para servir predicciones,



features e insights a usuarios finales y aplicaciones downstream.• Colaborar estrechamente con equipos de Data Science y Data Platform para facilitar el paso de los modelos desde la fase de desarrollo hasta su despliegue en producción.• Contribuir a la implementación de buenas prácticas MLOps que permitan industrializar y mantener de forma robusta las soluciones de Machine Learning.• Diseñar y mantener workflows de datos mediante Apache Airflow o herramientas de orquestación similares.• Implementar y mantener pipelines de integración y despliegue continuo mediante Azure Dev Ops.• Monitorizar el estado de los pipelines, la calidad de los datos y posibles desviaciones en los modelos mediante herramientas como Azure Monitor y Grafana.• Trabajar con bases de datos relacionales como SQL Server y Postgre SQL para la explotación y consumo de los productos de datos. Requisitos• Más de 4 años de experiencia en desarrollo de software, Data Engineering o posiciones similares.• Al menos 2 años de experiencia trabajando co

📌 Data engineer (Madrid)
🏢 agap2 España
📍 Madrid