15 nov
|
TECDATA ENGINEERING
|
Madrid
15 nov
TECDATA ENGINEERING
Madrid
Buscamos un MLOPS Skills Necesarios: Google Cloud
Platform (GCP): Experiencia sólida y demostrable con Vertex AI
(Pipelines, Model Registry, Workbench y despliegue de modelos) y
BigQuery (optimización de consultas a gran escala, procesamiento
distribuido y conectores externos). Ingeniería de Software /
Python: Nivel avanzado en Python enfocado al desarrollo de código
modular, desacoplado, testeable y preparado para ejecuciones
concurrentes. Experiencia aplicando buenas prácticas de ingeniería
(Git, testing automatizado, code reviews y gestión de
dependencias). Machine Learning para grandes volúmenes de datos:
Experiencia desarrollando modelos predictivos con algoritmos como
LightGBM, XGBoost, CatBoost o similares, trabajando con datasets de
millones de registros y optimizando tiempos de entrenamiento e
inferencia. Industrialización de modelos (MLOps): Experiencia
llevando modelos desde entornos de experimentación
(Notebooks/Workbench) hasta producción mediante pipelines
automatizados, versionado de modelos, despliegues reproducibles y
monitorización. DevOps aplicado a Machine Learning: Experiencia con
Docker, CI/CD (GitHub Actions, GitLab CI o similares),
automatización de despliegues y gestión de entornos para soluciones
de Machine Learning.
Data Engineering para Machine Learning:
Experiencia construyendo pipelines de datos eficientes para
entrenamiento e inferencia, optimización de procesos ETL/ELT y
gestión de grandes volúmenes de datos. - Skills Deseables:
Forecasting / Series Temporales: Experiencia en proyectos de
previsión de demanda con alta cardinalidad, tratamiento de
estacionalidades complejas, promociones, eventos y estrategias de
cold-start para nuevos productos o entidades. Deep Learning para
Forecasting: Conocimiento de arquitecturas modernas para series
temporales como Temporal Fusion Transformer (TFT), TiDE, PatchTST,
TimesFM, Chronos o modelos basados en Transformers. IA Generativa
(GenAI / LLMOps): Experiencia en el desarrollo o despliegue de
soluciones basadas en modelos fundacionales (LLMs), incluyendo RAG,
agentes, evaluación de modelos, prompt engineering , observabilidad
y gestión del ciclo de vida de aplicaciones de IA Generativa.
Optimización y rendimiento de modelos: Experiencia en técnicas de
optimización de hiperparámetros (Optuna, Ray Tune o similares),
paralelización de entrenamiento, optimización de inferencia y
reducción de costes computacionales.
📌 MLOPS (Madrid)
🏢 TECDATA ENGINEERING
📍 Madrid