Buscamos incorporar un/a MLOps Engineer para participar en proyectos de Machine Learning y Data Engineering , trabajando en la industrialización, despliegue y operación de modelos en entornos cloud.

Buscamos un perfil con resistente base de Python, GCP, Vertex AI, BigQuery y MLOps , capaz de llevar modelos desde la experimentación hasta producción de forma automatizada, escalable y reproducible.

? Ubicación: Las Rozas, Madrid — Calle Jacinto Benavente

? Modalidad: Híbrida — 1 día presencial por semana

? Posición: MLOps Engineer

? Misión

Diseñar y evolucionar soluciones de MLOps y Machine Learning sobre GCP, automatizando el ciclo completo de los modelos: preparación de datos, entrenamiento, versionado, despliegue, monitorización y optimización.

?️ Requisitos imprescindibles

☁️ GCP & Vertex AI

- Experiencia sólida con Google Cloud Platform .
- Vertex AI: Pipelines, Model Registry, Workbench y despliegue de modelos.
- BigQuery: optimización de consultas a gran escala, procesamiento distribuido y conectores externos.

? Python & Software Engineering

- Nivel avanzado de Python .
- Desarrollo de código modular, desacoplado, testeable y preparado para ejecución concurrente.
- Git, testing automatizado, code reviews y gestión de dependencias.

? Machine Learning

- Desarrollo de modelos predictivos con LightGBM, XGBoost,



CatBoost o similares.
- Experiencia trabajando con millones de registros .
- Optimización de entrenamiento e inferencia.

⚙️ MLOps / Industrialización

- Experiencia llevando modelos desde Notebooks / Workbench hasta producción .
- Pipelines automatizados.
- Versionado de modelos.
- Despliegues reproducibles.
- Monitorización de modelos.

? DevOps

- Docker.
- CI/CD con GitHub Actions, GitLab CI o herramientas 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.

⭐ Será valorable
- Experiencia en Forecasting / Series Temporales y previsión de demanda.
- Alta cardinalidad, estacionalidades complejas, promociones y eventos.
- Estrategias de cold-start .
- Deep Learning aplicado a forecasting:
- TFT, TiDE, PatchTST, TimesFM, Chronos o Transformers.
- GenAI / LLMOps: RAG, agentes, evaluación de modelos, prompt engineering y observabilidad.
- Optimización de hiperparámetros con Optuna, Ray Tune o similares.
- Paralelización del entrenamiento y optimización de inferencia.
- Optimización de costes computacionales.

📌 MLOps Engineer | GCP / Vertex AI / Python (Madrid)
🏢 Grupo TECDATA Engineering
📍 Madrid