Buscamos un/a Data Scientist / ML Engineer con sólida experiencia en IA tradicional para incorporarse a un equipo de datos en expansión. La persona seleccionada será responsable de diseñar, entrenar y poner en producción modelos predictivos orientados a pricing dinámico, personalización de oferta y forecast de demanda en entornos retail de alto volumen.

El rol requiere dominio del ciclo completo de un modelo: desde el análisis exploratorio y la ingeniería de features hasta el despliegue en producción mediante pipelines de CI/CD, garantizando que los outputs lleguen a los sistemas de negocio en tiempo y forma.

Responsabilidades principales

Diseño y entrenamiento de modelos de regresión para forecast de demanda y elasticidad de precio.

Gestión del ciclo de vida de modelos: versionado, retraining periódico y monitorización de drift.

Integración en pipelines de CI/CD (GitHub Actions, GitLab CI o similar): testing, validación automática y promoción a producción.

Monitorización de métricas de negocio y métricas técnicas (RMSE, AUC, precision@k) post-despliegue.

Traducción de requisitos de negocio (pricing managers, category managers) en problemas formales de ML.

Documentación clara de metodología,



decisiones de modelado y resultados para audiencias técnicas y no técnicas.

Participación en code reviews y en la definición de estándares del equipo de datos.

5+ años de experiencia en roles de Data Science o ML en entornos productivos.

Dominio de Python científico (pandas, scikit-learn, numpy). SQL avanzado.

CI/CD: Conocimiento general de pipelines de integración continua;

experiencia empaquetando modelos con Docker y desplegando vía GitHub Actions, GitLab CI o similar.

Experiencia con herramientas de tracking de experimentos: MLflow, W&B; o similar.

Capacidad de comunicar resultados de modelos a stakeholders no técnicos

Valorables

Experiencia en retail, travel, e-commerce o industrias con pricing vibrante.

Conocimiento de frameworks de orquestación de datos (Airflow, Prefect).

Familiaridad con plataformas cloud: GCP (BigQuery, Vertex AI), AWS (SageMaker) o Azure ML.

Experiencia con feature stores (Feast, Tecton) o arquitecturas de datos en tiempo real (Kafka, Flink).

Conocimientos de A/B testing y experimentación online para validación de modelos en producción.

Machine Learning Engineer • Gijón, asturias, Spain

📌 Machine Learning Engineer (Madrid)
🏢 Capitole
📍 Madrid