This job is with Aristocrat, an inclusive employer and a member of myGwork – the largest global platform for the LGBTQ+ business community. Please do not contact the recruiter directly. Para presentar una candidatura, simplemente lea la siguiente

descripción del puesto
y asegúrese de adjuntar los documentos pertinentes.
Únete a Aristocrat, una empresa líder en la industria de los juegos para dispositivos móviles, donde la innovación y la pasión se unen Nos dedicamos a crear experiencias de juego excepcionales y a utilizar los datos para impulsar decisiones estratégicas de negocio. Al formar parte de nuestro equipo innovador y colaborativo, tendrás la oportunidad de contribuir al futuro de los juegos móviles con tu experiencia en machine learning e inteligencia artificial. Como ML Engineer en Aristocrat, desempeñarás un papel clave en el desarrollo y la implementación de soluciones de machine learning e inteligencia artificial que mejoren las experiencias personalizadas de los jugadores y los resultados del negocio. Esta posición ofrece una excelente oportunidad para trabajar en la intersección del machine learning, la ingeniería de software y el desarrollo de aplicaciones de inteligencia artificial.¿Cuáles serán tus responsabilidades? Desarrollar soluciones de machine learning: Crear, entrenar, evaluar y mejorar modelos de machine learning para predicción, recomendación, personalización y apoyo a la toma de decisiones. Desarrollar aplicaciones de IA: Crear aplicaciones y flujos de trabajo basados en modelos de lenguaje de gran tamaño (LLM), incluyendo ingeniería de prompts, generación aumentada por recuperación (RAG) e integración de herramientas. Implementar componentes de ML/IA: Desarrollar componentes de software,



servicios y APIs que integren funcionalidades de machine learning e inteligencia artificial en aplicaciones existentes. Evaluar sistemas de ML e IA: Analizar el rendimiento de los modelos, validar los resultados generados por IA, identificar posibles fallos y contribuir al desarrollo de marcos de evaluación y pruebas. Apoyar la implementación en producción: Colaborar con ingenieros de MLOps para desplegar, supervisar y mantener soluciones de ML/IA en entornos de producción. Aplicar buenas prácticas de ingeniería: Escribir código Python limpio y fácil de mantener, implementar pruebas automatizadas, participar en revisiones de código y mantener la documentación técnica actualizada. Trabajar con datos complejos: Obtener, integrar, validar y preparar conjuntos de datos de múltiples fuentes para el entrenamiento, la inferencia y la evaluación de modelos. Mejorar soluciones existentes: Investigar problemas técnicos, optimizar el rendimiento de los modelos y contribuir a mejorar la fiabilidad y eficiencia de las soluciones. Colaborar con diferentes equipos: Trabajar con científicos de datos, ingenieros y equipos de producto para comprender los requisitos y desarrollar soluciones prácticas de ML/IA.
Desarrollar conocimientos técnicos: Mantenerte al día con las nuevas tecnologías de ML/IA, compartir conocimientos y contribuir a debates técnicos y buenas prácticas dentro del equipo.¿Qué buscamos? Formación académica: Grado, máster o doctorado en Informática, Machine Learning, Inteligencia Artificial,



Matemáticas o un área técnica relacionada, o experiencia práctica equivalente. Experiencia profesional: Más de 2 años de experiencia profesional en ingeniería de software, ingeniería de machine learning o desarrollo de inteligencia artificial, con experiencia práctica en el desarrollo de modelos de ML o aplicaciones basadas en IA.
Ingeniería de software: Sólidos conocimientos de programación en Python, incluyendo diseño de software, pruebas, depuración, control de versiones y prácticas de desarrollo cooperativo. Machine learning: Experiencia práctica en el desarrollo, entrenamiento y evaluación de modelos de aprendizaje supervisado utilizando frameworks como scikit-learn, PyTorch, TensorFlow o similares. IA generativa: Experiencia en el desarrollo de aplicaciones basadas en LLM, incluyendo ingeniería de prompts, salidas estructuradas, RAG y llamadas a herramientas (tool calling).
Evaluación de ML/IA: Conocimiento de metodologías de evaluación de modelos, métricas de rendimiento y enfoques para validar resultados generados por inteligencia artificial. Especialización en ML: Experiencia práctica en al menos una de las siguientes áreas: sistemas de recomendación, modelado de series temporales, aprendizaje no supervisado o aprendizaje por refuerzo. Procesamiento de datos: Sólidos conocimientos de SQL y experiencia en la extracción, transformación y validación de datos procedentes de bases de datos analíticas y APIs. Machine learning en producción: Familiaridad con el despliegue de modelos, servicios de inferencia, monitorización y gestión del ciclo de vida de modelos de ML.
Cloud e infraestructura: Conocimientos prácticos de plataformas en la nube (como GCP, AWS o Azure), contenedores, pipelines de CI/CD y entorno

📌 ML Engineer (España)
🏢 Aristocrat
📍 España