Data Scientist | MLOps, Python y entornos cloud Trabajarás en el desarrollo, despliegue y operación de soluciones de machine learning dentro de entornos productivos, participando en proyectos donde la escalabilidad, la automatización y la fiabilidad de los modelos son clave.
Inscríbase rápido, consulte la descripción completa desplazándose hacia abajo para conocer todos los requisitos de este puesto.
Formarás parte de SCI Servi Clients, un entorno cercano y estable donde podrás aportar tu experiencia técnica con autonomía, apoyo real y continuidad en proyectos.
Cómo será tu día a día en este proyecto Desarrollo y despliegue de modelos de machine learning Participarás en la creación, validación y puesta en producción de modelos en entornos reales.
Trabajo en entornos MLOps Gestionarás el ciclo de vida completo de modelos, desde el desarrollo hasta su monitorización en producción.
Automatización y pipelines de datos Diseñarás pipelines robustos para entrenamiento, validación y despliegue mediante prácticas CI/CD aplicadas a ML.
Contenedorización y orquestación Trabajarás con tecnologías como Docker y Kubernetes para garantizar escalabilidad y eficiencia.
Monitorización y mantenimiento de modelos Analizarás el comportamiento de los modelos en producción, gestionando drift, retraining y mejoras continuas.
Trabajo en entornos cloud Participarás en proyectos desplegados en AWS, Azure o GCP, utilizando servicios específicos de machine learning.
Uso de plataforma Stratio Trabajarás con la plataforma, participando en la configuración, administración y optimización de sus componentes.
Cómo es trabajar en SCI Servi Clients Trato cercano y comunicación directa No eres un número.
Tendrás acceso rápido al equipo y una relación ágil y humana.
Apoyo real en el día a día Ante cualquier situación, tendrás respaldo y acompañamiento.
Buen ambiente y compañerismo Se fomenta la colaboración, haciendo que el día a día sea más llevadero.
Estabilidad y tranquilidad Condiciones claras y continuidad en proyectos para que puedas centrarte en tu trabajo.
Proyectos variados y crecimiento profesional Podrás evolucionar pasando por distintos entornos y clientes.
Confianza y autonomía Se valora tu criterio y tu forma de trabajar.
Gestión sencilla y transparente Procesos claros para horas, documentación y tareas administrativas.
Tu misión en este rol Tu misión será garantizar el correcto desarrollo, despliegue y mantenimiento de modelos de machine learning en entornos productivos, asegurando su rendimiento, escalabilidad y estabilidad.
Participarás en el ciclo completo de vida del dato y del modelo, colaborando en tareas de desarrollo, automatización, monitorización y mejora continua dentro de un entorno estructurado.
En tu día a día: Desarrollarás soluciones de machine learning en Python.
Diseñarás y mantendrás pipelines de datos y procesos automatizados.
Desplegarás modelos en entornos productivos usando Docker y Kubernetes.
Implementarás procesos de CI/CD aplicados a ML.
Monitorizarás modelos en producción, gestionando drift y retraining.
Trabajarás con herramientas como Git, MLflow u otras de control de experimentos.
Participarás en entornos cloud (AWS, Azure o GCP).
Administrarás y optimizarás componentes de la plataforma Stratio.
Qué te hará tener éxito en esta posición Formación en ámbito STEM Titulación en Ingeniería Informática, Telecomunicaciones, Matemáticas u otras disciplinas relacionadas.
Experiencia en machine learning o MLOps Al menos 3 años trabajando en desarrollo, despliegue o mantenimiento de modelos o pipelines de datos.
Dominio de Python aplicado a datos Será clave para desarrollar soluciones robustas y eficientes.
Experiencia en entornos productivos Haber trabajado con modelos en producción te permitirá aportar valor desde el inicio.
Conocimientos en contenedorización Experiencia con Docker y Kubernetes para despliegues escalables.
Automatización y pipelines Experiencia en CI/CD aplicado a machine learning.
Control de experimentos y versionado Uso de herramientas como Git, MLflow u otras similares.
Experiencia en cloud Conocimiento de AWS, Azure o GCP aplicado a entornos de datos y ML.
Monitorización de modelos Experiencia en gestión de drift, retraining y mantenimiento continuo.
Experiencia con Stratio Conocimiento práctico de la plataforma (mínimo 3 años), incluyendo configuración y optimización.
Requisitos valorables Experiencia con herramientas MLOps (Kubeflow, Airflow, Metaflow, etc.).
Conocimientos en procesamiento distribuido (Spark, pipelines de datos).
Experiencia en microservicios y APIs para inferencia.
Conocimientos en gobernanza y explicabilidad de modelos.
Experiencia en proyectos de inteligencia artificial o analítica avanzada. xpzdshu
Participación en procesos de industrialización de modelos.
Conocimientos de prácticas Dev Ops aplicadas a datos y ML.
Da el siguiente paso Si buscas un proyecto estable donde seguir creciendo como Data Scientist dentro de entornos MLOps, trabajando con tecnologías actuales y participando en proyectos de machine learning en producción, esta puede ser una buena oportunidad para ti.
Tendrás la posibilidad de aportar en un entorno técnico sólido, con autonomía, estabilidad y un equipo cercano que acompaña en el día a día.