Buscamos un/a ML Engineer con experiencia en productivización de modelos de Machine Learning, previsión de demanda (Forecasting) y modelos de optimización para incorporarse a un proyecto del sector bancario. La persona participará en la industrialización de modelos ya desarrollados, trabajando para llevarlos a entornos productivos con garantías de robustez, escalabilidad, trazabilidad y mantenibilidad. El objetivo principal será transformar modelos analíticos en soluciones preparadas para producción, colaborando en la mejora de modelos de previsión de demanda basados en series temporales y modelos de optimización aplicados a la toma de decisiones operativas. Responsabilidades
• Productivizar modelos de Machine Learning existentes, adaptándolos a los estándares técnicos y operativos del ambiente bancario.
• Analizar y mejorar modelos de forecasting y previsión de demanda basados en series temporales.
• Diseñar y adaptar pipelines de entrenamiento, inferencia y generación de predicciones.
• Trabajar con entornos Azure Databricks y PySpark.
• Evaluar estrategias de reentrenamiento, actualización de modelos y persistencia de artefactos.
• Participar en la optimización de modelos y decisiones operativas, incluyendo la optimización de denominaciones.
• Integrar modelos con MLflow y herramientas corporativas de gobierno y despliegue.
• Aplicar buenas prácticas MLOps: versionado, testing, CI/CD, monitorización y trazabilidad.




• Diagnosticar incidencias en producción y realizar análisis de causa raíz.
• Colaborar con equipos de Data Engineering, Data Science, Plataforma y Negocio.
• Documentar soluciones, decisiones técnicas y procedimientos operativos. Requisitos imprescindibles
• Entre 2 y 5 años de experiencia en Machine Learning, MLOps, Data Science Engineering o posiciones similares.
• Experiencia real llevando modelos de Machine Learning a producción.
• Experiencia con forecasting, series temporales o modelos de previsión de demanda.
• Conocimientos aplicados de modelos de optimización, programación matemática o heurísticas.
• Python avanzado aplicado a Machine Learning y productivización.
• Conocimientos de Machine Learning supervisado y validación de modelos.
• SQL para consulta, transformación y validación de datos.
• Experiencia con PySpark / Apache Spark.
• Experiencia con Azure Databricks o plataformas analíticas equivalentes.
• Experiencia con MLflow o herramientas similares de gestión y seguimiento de modelos.
• Git y herramientas de CI/CD como Jenkins o GitHub Actions.
• Buenas prácticas de desarrollo: modularización, testing, logging, control de errores y documentación.
• Titulación universitaria en Ingeniería Informática, Matemáticas, Estadística, Física, Data Science o similar.
• Español fluido e inglés técnico. Tecnologías valorables

📌 ML Engineer (España)
🏢 Grupo TECDATA Engineering
📍 España