Buscamos un/a ingeniero/a que asuma el ownership técnico y de producto de nuestras soluciones basadas en
Machine Learning y Computer Vision
.
Trabajarás con imágenes capturadas por cámaras instaladas en excavadoras que operan en minas de todo el mundo, y serás responsable de desarrollar y evolucionar las capacidades de percepción basadas en esos datos: desde el dataset y los modelos hasta los algoritmos que se ejecutan a bordo de la máquina y las decisiones de producto que dependen de ellos.
Desde hace más de 65 años, MTG diseña y fabrica soluciones de desgaste (dientes, portadientes y protectores) para maquinaria de movimiento de tierra de los sectores de minería y construcción.
Sobre la base de esta experiencia en ingeniería y de nuestra estrecha colaboración con los clientes, Digging Insights desarrolla productos conectados que combinan sensores, onboard intelligence y software cloud para ayudar a las compañías mineras a operar de forma más eficiente.
Somos un equipo de ingeniería que trabaja en la intersección entre el software, la electrónica y la industria pesada.
Colaboramos diariamente con Product Engineering, Technical Services y nuestros clientes para transformar retos operativos en productos digitales que se implementan en entornos mineros.
Trabajamos en pequeños equipos multidisciplinares, con responsabilidad de principio a fin sobre lo que desarrollan.
Serás el/la
Product Owner de los productos basados en Computer Vision
, una capacidad transversal presente en distintas soluciones.
Combinarás
desarrollo técnico y product ownership
, dedicando aproximadamente
un 70% de tu tiempo a construir y un 30% a dirigir la evolución del producto y el delivery del equipo
.
Participarás directamente en el desarrollo,



manteniendo el ownership técnico del core y ayudando a decidir qué construimos, cómo lo medimos y cuándo está preparado para desplegarse en campo.
Serás responsable de cuatro ámbitos estrechamente relacionados:
Modelos: entrenamiento, evaluación y mejora continua de modelos de segmentación de instancias aplicados a dientes, cazo, camión y terreno, midiendo su rendimiento en condiciones reales de operación.
Algoritmos de producto: desarrollo y evolución de algoritmos como Payload Monitor, GET Wear, GET Detection y granulometría, convirtiendo las señales obtenidas mediante visión en información útil para la operación
Pipeline de datos: gestión del ciclo completo del dato, desde la captura en campo y la selección de imágenes para anotar hasta la gestión del proveedor externo de anotación, el control de calidad de las etiquetas, el versionado de datasets y la trazabilidad de resultados
Código productivo: desarrollo e integración de los algoritmos que se ejecutan a bordo de la ECU, en un entorno offline-first y con restricciones reales de latencia, memoria y capacidad de procesamiento.
También definirás qué significa que un algoritmo sea suficientemente positivo, estableciendo métricas y criterios de aceptación según las condiciones de operación y decidiendo cuándo un modelo está preparado para desplegarse en una mina.
No trabajarás solo/a.
Los equipos especializados de
Embedded, Cloud y Hardware




proporcionan profundidad técnica en cada una de estas áreas y construyen la plataforma sobre la que se apoyan los modelos.
Experiencia en desarrollo de modelos de Computer Vision y software de producción: especialmente en segmentación de instancias, detección y sus métricas, con dominio de Python y PyTorch o tecnologías equivalentes.
Mentalidad data-centric: capacidad para entender cómo la calidad y selección de los datos condicionan el rendimiento de los modelos y para identificar qué información debe incorporarse al dataset.
Rigor en evaluación: experiencia definiendo datasets de test, métricas y criterios de evaluación que permitan medir de forma objetiva la evolución de los modelos.
Experiencia gestionando el delivery en equipos pequeños, como Product Owner, Tech Lead o en posiciones equivalentes, incluyendo la coordinación de equipos reducidos o partners externos.
Buen criterio de arquitectura: capacidad para entender cómo encajan las distintas piezas de la solución (pipeline de datos, modelos, runtime, ECU y cloud) y tomar decisiones teniendo en cuenta sus implicaciones a largo plazo.
Desarrollo asistido por IA como parte habitual de la forma de trabajar.
Español e inglés fluidos.
Se valorará especialmente la experiencia en
despliegue edge, cuantización, ONNX/TensorRT, embedded hardware, Go, MLOps, versionado de datasets y modelos, gestión de proveedores de anotación, geometría 3D, cámaras estéreo o de profundidad, monitorización de drift y Computer Vision en entornos industriales exigentes
.
También se valorará la experiencia en sectores como minería, maquinaria agrícola, automoción o robótica de campo.
Ownership de extremo a extremo sobre los dato

📌 Machine Learning (Barcelona)
🏢 MTG
📍 Barcelona