Hay proyectos donde un modelo no termina al entrenarse: empieza a aportar valor cuando llega a producción, se monitoriza y se mantiene estable. Aquí trabajarás con Python, MLOps, cloud, Docker, Kubernetes, CI/CD, MLflow y Stratio, en un entorno donde la industrialización de modelos tiene impacto real.

Te incorporarás a un contexto técnico estable, con foco en analítica avanzada, operación de modelos en producción y calidad del ciclo de vida ML, con autonomía, continuidad y margen para seguir creciendo en prácticas modernas de datos, automatización y gobierno de modelos.

Lo que hará que esta oportunidad te encaje

Teletrabajo desde cualquier punto de España
Podrás trabajar en remoto al 100%, con la flexibilidad de organizar tu vida sin depender de una ubicación concreta.

Modelos que llegan a producción de verdad
No te quedarás solo en notebooks: trabajarás en despliegue, operación, monitorización, retraining y control de drift.

Stack técnico sólido y actual
Python, Docker, Kubernetes, cloud, CI/CD, MLflow, pipelines de datos y herramientas MLOps formarán parte del entorno habitual.

Especialización real en Stratio
Podrás aplicar tu experiencia configurando, administrando y optimizando componentes clave de la plataforma.

Horario pensado para organizar mejor tu semana
Tres días de jornada intensiva y dos días de jornada partida, aportando equilibrio y previsibilidad.

Salario evidente desde el inicio
SBA de 53.000 €.

Misión del rol

Tu misión será desarrollar, desplegar, operar y mantener soluciones de machine learning en entornos productivos,



asegurando que los modelos sean fiables, trazables, monitorizables y sostenibles en el tiempo.

Cómo será tu día a día en este proyecto

️ Desarrollar soluciones en Python aplicadas a machine learning e ingeniería de datos.
️ Desplegar y operar modelos ML en entornos productivos.
️ Trabajar con Docker, Kubernetes y servicios cloud.
️ Diseñar y mantener pipelines de datos y automatizaciones CI/CD para ML.
️ Gestionar versionado de código y experimentos con Git, MLflow u otras herramientas equivalentes.
️ Monitorizar modelos, detectar drift y participar en procesos de retraining.
️ Configurar, administrar y optimizar componentes de Stratio.
️ Colaborar en prácticas de MLOps, gobernanza, explicabilidad y operación continua.

Qué te ayudará a tener éxito en esta posición

Haber trabajado al menos 3 años en machine learning, ingeniería de datos o MLOps te permitirá entender bien el ciclo completo del modelo. Será clave que te muevas con comodidad en Python, cloud, Docker, Kubernetes, CI/CD y herramientas de control de experimentos.

También encajarás especialmente bien si tienes experiencia en monitorización de modelos, retraining, drift, Spark, Airflow, Kubeflow, APIs de inferencia, microservicios o proyectos de industrialización de modelos ML.

Da el siguiente paso

Si buscas un rol donde el machine learning no se queda en laboratorio, sino que se convierte en sistemas productivos estables, monitorizados y con recorrido técnico, esta posición puede darte continuidad, especialización y crecimiento real en MLOps.

📌 Data Scientist / MLOps Engineer | Teletrabajo (Madrid)
🏢 Sci Serviclients
📍 Madrid