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 robusto base de Python, GCP, Vertex AI, Big Query 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. Big Query: 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 Light GBM, XGBoost,



Cat Boost 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. Dev Ops Docker. CI/CD con Git Hub Actions, Git Lab 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, Ti DE, Patch TST, Times FM, Chronos o Transformers. Gen AI / 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. #J-18808-Ljbffr

📌 Mlops Engineer | Gcp / Vertex Ai / Python (Las Rozas de Madrid)
🏢 remoteo
📍 Las Rozas de Madrid