AI / ML Engineer MLOps · Automatización · Cloud
¿Quiere enviar su solicitud? Lea toda la información sobre este puesto a continuación y luego pulse el botón de solicitar.
Buscamos un/a AI / ML Engineer que lidere el diseño, construcción y automatización de soluciones de IA de extremo a extremo, desde los datos hasta la puesta en producción y monitorización continua de los modelos.
Tu misión será diseñar, construir y escalar soluciones de IA con foco en pipelines robustos y automatizados, asegurando que los modelos pasen de prototipo a producto real, medible y alineado con los objetivos de negocio.
Responsabilidades
Diseñar, entrenar y evaluar modelos de ML/DL alineados con objetivos de negocio e integrados en pipelines end-to-end.
Construir y mantener pipelines automatizados de datos y ML (ingestión, feature engineering, entrenamiento, validación, registro y despliegue).
Implementar prácticas de MLOps: CI/CD para modelos, tests automatizados, contenedorización y despliegues controlados en cloud.
Garantizar reproducibilidad y trazabilidad: versionado de datos, código y modelos; experiment tracking y metadatos.
Monitorizar modelos en producción (deriva, métricas de negocio, latencia, errores) y activar reentrenamientos.
Colaborar con equipos de producto y stakeholders para definir requisitos, métricas de éxito e impacto.
Liderar decisiones técnicas, estándares de arquitectura y mentorización de perfiles junior.
Velar por principios de IA responsable: seguridad, privacidad, sesgos, explicabilidad y cumplimiento normativo.
Requisitos mínimos
~ Grado en Ingeniería Informática, Telecomunicaciones, Matemáticas, Estadística, Física o similar.
~ Valorable máster en IA, ML, Data Science o MLOps.
~≥ 3–4 años de experiencia en desarrollo y puesta en producción de modelos de ML/DL.
~ Dominio de Python y ecosistema ML (pandas, NumPy, scikit-learn, PyTorch y/o TensorFlow).
~ Experiencia real en pipelines de ML en producción (más allá de notebooks).
~ Uso de orquestadores (Airflow, Kubeflow...) y herramientas de experiment tracking / model registry (MLflow o similares).
~ Despliegue automatizado con Docker, Kubernetes y servicios cloud (AWS, GCP o Azure).
~ Buenas prácticas de ingeniería de software: Git, testing, code review, CI/CD.
~ Capacidad de comunicación con perfiles técnicos y no técnicos.
Se valorará
~ Certificaciones Cloud (AWS, GCP, Azure) y/o específicas de IA / MLOps.
Habilidades
Comunicación clara y adaptación al interlocutor.
Trabajo en equipo y colaboración multidisciplinar.
Pensamiento crítico y resolución de problemas.
Orientación a producto e impacto en negocio.
Autonomía, organización y responsabilidad. xqysrnh
Curiosidad y aprendizaje continuo.