16 nov
|
TECDATA ENGINEERING
|
Madrid
16 nov
TECDATA ENGINEERING
Madrid
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.
📌 ML Engineer – Forecasting, Optimización y MLOps (Madrid)
🏢 TECDATA ENGINEERING
📍 Madrid