Machine Learning Engineer / MLOps – GCP Grupo TECDATA Engineering Gasteiz / Vitoria, país vasco, Spain

Descripción del trabajo
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 ocasión 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 Big Query: 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,



Cat Boost 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

Dev Ops

Docker.

CI/CD: Git Hub Actions, Git Lab 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.

#J-18808-Ljbffr

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