En

agap2

buscamos un/a

Data Scientist

para incorporarse a un entorno internacional y participar en proyectos de

Data Science e Inteligencia Artificial , trabajando tanto con IA clásica como con IA Generativa.
Buscamos un perfil con experiencia práctica en el desarrollo de modelos y capacidad para transformar datos y nuevas tecnologías de IA en soluciones de valor para el negocio.
Diseñar, desarrollar y evaluar

modelos de Machine Learning y modelos predictivos

para resolver diferentes casos de uso.
Trabajar en distintas áreas de

Data Science e Inteligencia Artificial , seleccionando las técnicas más adecuadas para cada necesidad.
Desarrollar soluciones basadas en

IA Generativa y Large Language Models (LLMs) .
Diseñar e implementar soluciones

RAG (Retrieval-Augmented Generation)

y otras arquitecturas basadas en LLM.
Trabajar con

Python

y las principales librerías y frameworks de Data Science y Machine Learning.
Mantenerte actualizado/a en las últimas tendencias y tecnologías de

Machine Learning, Generative AI y LLMs .
Experiencia competente como

Data Scientist,





Machine Learning Engineer o en posiciones similares.
Experiencia práctica desarrollando

modelos de Machine Learning y modelos predictivos .
Experiencia tanto en

IA clásica / Machine Learning como en IA Generativa .
Experiencia trabajando con

LLMs y soluciones de Generative AI .
Buen nivel de programación con

Python .
Capacidad analítica y orientación a la resolución de problemas.
Será valorable
Experiencia con frameworks para LLM como

LangChain, LangGraph, LlamaIndex

o similares.
Experiencia utilizando APIs de proveedores de LLM como

OpenAI, Anthropic

u otros.
Experiencia en evaluación y optimización de modelos de IA y soluciones RAG.
Posición estable

en un entorno tecnológico e internacional.
Modelo híbrido: 2 días presenciales en Viladecans y 3 días en remoto.
Participación en proyectos de

Data Science e Inteligencia Artificial

utilizando tecnologías actuales.
Formación continua y

📌 Data Scientist (Madrid)
🏢 agap2 Spain
📍 Madrid