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 contexto 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 claro desde el inicio SBA de € .

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.

📌 Data Scientist / Mlops Engineer - Teletrabajo (Valencia)
🏢 Sci Serviclients
📍 Valencia