Buscamos un perfil ML Engineer Responsabilidades y
Requisitos: Despliegue en Ambiente 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 ControlM 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 2N de los proyectos subidos a producción que se le hayan
designado.

📌 ML Engineer (Madrid)
🏢 TECDATA ENGINEERING
📍 Madrid