Desde Experis buscamos incorporar un/a Data Scientist / ML Engineer para participar en proyectos innovadores relacionados con Inteligencia Artificial, Machine Learning y procesamiento avanzado de datos, colaborando en el diseño, desarrollo e implantación de soluciones de IA en entornos productivos sobre AWS.
Las principales responsabilidades serán:
Diseñar, desarrollar y mantener modelos de Machine Learning e Inteligencia Artificial orientados a negocio.
Construir y optimizar pipelines de datos para el entrenamiento, despliegue y monitorización de modelos.
Implementar soluciones de IA en entornos productivos utilizando servicios cloud de AWS.
Participar en proyectos de procesamiento de lenguaje natural (NLP) y análisis de transcripciones mediante LLMs.
Diseñar y optimizar estrategias de prompt engineering para casos de uso basados en inteligencia artificial generativa.
Integrar soluciones mediante APIs con sistemas internos y plataformas externas.
Desarrollar procesos de ingesta, transformación y explotación de datos sobre Snowflake.




Colaborar con equipos multidisciplinares para garantizar la escalabilidad, trazabilidad y mantenimiento de las soluciones desplegadas.
Aplicar buenas prácticas de MLOps para la industrialización de modelos de IA.
Modalidad de trabajo
Ubicación: Madrid.
Modelo híbrido con presencialidad de aproximadamente 2 días por semana en cliente.
Jornada partida de lunes a jueves.
Jornada intensiva los viernes.
Horario intensivo durante el periodo de verano.
Requisitos
Titulación universitaria en Ingeniería Informática, Telecomunicaciones, Matemáticas, Estadística u otras disciplinas STEM.
Experiencia mínima de 3 años en posiciones de Data Scientist, Machine Learning o áreas relacionadas.
Experiencia demostrable en:
Python
Desarrollo de pipelines de datos
Machine Learning e Inteligencia Artificial en producción
Integración de soluciones mediante APIs
Experiencia trabajando con servicios AWS como:
SageMaker
Bedrock
S3
IAM
Experiencia en proyectos de

📌 Data Scientist (Madrid)
🏢 Experis IT
📍 Madrid