Machine Learning Engineer / MLOps – GCP Grupo TECDATA Engineering•Madrid, Provincia de Madrid, Spain, Spain

¿Tiene lo que se necesita para triunfar? La siguiente información debe ser leída atentamente por todos los candidatos.
Descripción del trabajo

Ubicación: Las Rozas, Madrid – Calle Jacinto Benavente

Modalidad: Híbrida, 1 día presencial por semana

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 imprescindiblesGCP / 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. xcskxlj
- Optimización de costes computacionales.

#J-18808-Ljbffr

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