Despliegue en Contexto GCP: Experiencia avanzada desplegando modelos como procesos batch o servicios utilizando los servicios de Google Cloud Platform (especialmente Vertex AI pipelines, Airflow), asegurando la alta disponibilidad del servicio. MLOps: Optimizar el código de los Data Scientists para convertirlo en código productivo eficiente. Stack Tecnológico y Datos: Dominio avanzado de Python aplicando buenas prácticas de ingeniería de software (testing, control de versiones, modularidad). Experiencia en optimización de pipelines y almacenamiento de datos (particionamiento, vistas materializadas, deltas, etc.) Orquestación de Pipelines: Construcción, mantenimiento y optimización de flujos de trabajo automatizados complejos, Airflow y Control M para programar las distintas etapas del ciclo de vida del dato y del modelo. Monitorización y Rendimiento: Implementar sistemas de alerta para monitorizar la salud de los modelos en producción (detectando data drift o degradación del rendimiento) y optimizar el consumo de recursos en la nube. Atender incidencias: Atender directamente las incidencias de 2 N de los proyectos subidos a producción que se le hayan designado. #J-18808-Ljbffr

📌 Ml Engineer (Madrid)
🏢 Grupo TECDATA Engineering
📍 Madrid