Descripción del trabajo Ubicación:

Las Rozas, Madrid – Calle Jacinto Benavente

Modalidad:

Híbrida,

1 día presencial por semana

Todos los posibles candidatos deben leer con atención los siguientes detalles de este trabajo antes de presentar una candidatura.

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

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.

Optimización de costes computacionales. xkdbapo

Hay opciones de teletrabajo/trabajo desde casa disponibles para este puesto.

#J-18808-Ljbffr

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