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 (Las Rozas de Madrid)
🏢 remoteo
📍 Las Rozas de Madrid