Ubicación: España

Modalidad: Remoto

Posición: ML Engineer

Experiencia: Senior

️ Contexto: Google Cloud Platform

Especialización: MLOps / Industrialización de modelos

Misión

Buscamos un/a ML Engineer para industrializar, desplegar y mantener en producción los modelos de Machine Learning desarrollados por los equipos de Data Science. La persona se encargará de convertir los desarrollos analíticos en soluciones productivas, escalables, eficientes y monitorizadas, aplicando buenas prácticas de MLOps y Software Engineering.

Responsabilidades

- Industrializar modelos de Machine Learning para su despliegue en producción.
- Desplegar modelos como procesos batch o servicios sobre GCP.
- Trabajar con Vertex AI Pipelines y Airflow.
- Diseñar soluciones con alta disponibilidad y escalabilidad.
- Transformar código desarrollado por Data Scientists en código productivo, eficiente y mantenible.
- Aplicar buenas prácticas de ingeniería de software:
- Testing.
- Control de versiones.
- Modularidad.
- Calidad de código.

- Optimizar pipelines de Machine Learning.
- Optimizar procesos de almacenamiento y consulta de datos.

- Trabajar con técnicas como

- Particionamiento.
- Vistas materializadas.
- Deltas.
- Optimización de almacenamiento.





- Construir y mantener workflows complejos y automatizados.
- Utilizar Airflow y Control-M para la planificación y ejecución de procesos.
- Implementar mecanismos de monitorización y alertas.
- Detectar data drift y degradación del rendimiento de los modelos.
- Optimizar el consumo de recursos en cloud.
- Mantener y dar soporte a modelos desplegados en producción.
- Atender directamente las incidencias 2N de los proyectos asignados.

️ Requisitos imprescindibles

- Experiencia sólida como ML Engineer / MLOps Engineer.
- Experiencia industrializando y desplegando modelos de Machine Learning.
- Experiencia avanzada en GCP.
- Vertex AI / Vertex AI Pipelines.
- Airflow.
- Experiencia desarrollando Python productivo.

- Buenas prácticas de Software Engineering.
- Testing y control de versiones.
- Experiencia optimizando pipelines.
- Experiencia con grandes volúmenes de datos y optimización de almacenamiento.

- Control-M.
- Experiencia en monitorización de modelos en producción.
- Conocimientos de data drift / model monitoring.
- Experiencia real trabajando con modelos productivos.

- Capacidad para resolver incidencias en entornos de producción.

📌 Machine learning Engineer (Madrid)
🏢 TECDATA ENGINEERING
📍 Madrid