Buscamos incorporar un/aMLOps Engineerpara participar en proyectos deMachine Learning y Data Engineering, trabajando en la industrialización, despliegue y operación de modelos en entornos cloud.Buscamos un perfil con resistente base dePython, 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 BenaventeModalidad:Híbrida ---1 día presencial por semanaPosición:MLOps EngineerMisiónDiseñar y evolucionar soluciones deMLOps y Machine Learningsobre GCP, automatizando el ciclo completo de los modelos: preparación de datos, entrenamiento, versionado, despliegue, monitorización y optimización.Requisitos imprescindiblesGCP & Vertex AIExperiencia sólida conGoogle 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 EngineeringNivel avanzado dePython .Desarrollo de código modular, desacoplado, testeable y preparado para ejecución concurrente.Git, testing automatizado, code reviews y gestión de dependencias.Machine LearningDesarrollo de modelos predictivos conLightGBM, XGBoost,



CatBoosto similares.Experiencia trabajando conmillones de registros .Optimización de entrenamiento e inferencia.MLOps / IndustrializaciónExperiencia llevando modelos desdeNotebooks / Workbench hasta producción .Pipelines automatizados.Versionado de modelos.Despliegues reproducibles.Monitorización de modelos.DevOpsDocker.CI/CD conGitHub Actions, GitLab CIo herramientas similares.Automatización de despliegues y gestión de entornos ML.Data EngineeringConstrucción de pipelines de datos para entrenamiento e inferencia.Optimización de procesosETL/ELT .Gestión y procesamiento de grandes volúmenes de datos.Será valorableExperiencia enForecasting / Series Temporalesy previsión de demanda.Alta cardinalidad, estacionalidades complejas, promociones y eventos.Estrategias decold-start .Deep Learning aplicado a forecasting:TFT, TiDE, PatchTST, TimesFM, Chronoso Transformers.GenAI / LLMOps: RAG, agentes, evaluación de modelos, prompt engineering y observabilidad.Optimización de hiperparámetros conOptuna, Ray Tuneo similares.Paralelización del entrenamiento y optimización de inferencia.Optimización de costes computacionales.#J-18808-Ljbffr

📌 Mlops Engineer | Gcp / Vertex Ai / Python (Madrid)
🏢 Grupo TECDATA Engineering
📍 Madrid