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 sólido, 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 transparente 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. 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.

#J-18808-Ljbffr

📌 Data Scientist / MLOps Engineer - Teletrabajo (Santiago de Compostela)
🏢 Sci Serviclients
📍 Santiago de Compostela