¡Únete a DataDope como AI / ML Engineer!
La descripción completa del puesto cubre todas las habilidades asociadas, la experiencia previa y cualquier cualificación que se espera que tengan los solicitantes.
En Datadope buscamos un/a AI / ML Engineer apasionado/a por construir soluciones inteligentes que combinan datos, modelos y agentes autónomos aplicados a sistemas complejos de observabilidad y redes.
Si disfrutas diseñando sistemas de IA que integran Machine Learning, LLMs y datos operativos en tiempo real, desarrollando agentes inteligentes que analicen eventos, alertas y métricas, y llevándolos a producción de forma robusta y escalable, ¡te queremos en nuestro equipo!
¿Qué harás en DataDope?
Transformar desafíos comerciales en soluciones de AI / ML end-to-end, entendiendo a fondo los objetivos de negocio.
Diseñar, desarrollar y desplegar modelos de Machine Learning y flujos de agentes IA para análisis de anomalías, predicción, clasificación y correlación de eventos, redes y experiencia de usuario.
Implementar agentes autónomos y sistemas de decisión basados en frameworks como LangGraph, CrewAI, OpenAI y AutoGen.
Desarrollar agentes basados en LLMs capaces de analizar eventos operativos, alertas, métricas y logs.
Diseñar sistemas de razonamiento automático que ayuden a explicar incidentes o recomendar acciones en plataformas de observabilidad.
Integrar LLMs con datos internos (RAG) utilizando bases vectoriales como Chroma o Pinecone.
Colaborar con Data Engineers para diseñar pipelines de entrenamiento e inferencia reproducibles y escalables (Spark, Airflow, MLflow).
Desarrollar componentes de backend, MCPs y APIs (Python / FastAPI) para exponer modelos o agentes a productos.
Crear y mantener entornos de experimentación reproducibles (Docker, conda/pipenv, Jupyter).
Documentar experimentos, métricas, hiperparámetros y resultados de validación con trazabilidad y calidad.
Colaborar estrechamente con equipos de Data Science, Data Engineering y DevOps/MLOps para integrar modelos en pipelines de producción.
Plus avanzado
Diseñar arquitecturas híbridas que combinen ML tradicional, IA generativa y conocimiento estructurado (Graph / RAG).
Colaborar con el equipo y guiar a perfiles junior, compartiendo conocimiento y mejores prácticas.
Requisitos y experiencia
Formación en Informática, Matemáticas, Ingeniería o disciplinas cuantitativas.
Experiencia en desarrollo e implementación de modelos de Machine Learning o IA.
Experiencia sólida en Python, con manejo experto de Pandas y NumPy.
Dominio de scikit-learn, StatsModels y frameworks de Deep Learning (TensorFlow, PyTorch).
Experiencia real en pronóstico de series temporales, más allá de modelos estadísticos básicos (plus).
Autonomía y espíritu de equipo.
Experiencia en entrenamiento, tuning y despliegue de modelos ML (supervisado y no supervisado).
Experiencia práctica en frameworks de agentes y orquestación de LLMs (LangGraph, CrewAI, AutoGen).
Experiencia con bases de datos vectoriales y técnicas RAG (Retrieval-Augmented Generation).
Experiencia con pipelines de datos y entrenamiento.
Capacidad para analizar resultados y métricas de modelos.
Habilidad para documentar y comunicar resultados técnicos de manera clara y estructurada.
Conocimientos adicionales
Conocimientos en plataformas cloud (AWS, GCP, Azure).
Experiencia con bases de datos NoSQL (MongoDB, ClickHouse) y tecnologías como Kafka.
Experiencia con IA generativa y LLMs open-source (OpenAI, Anthropic, Mistral, Ollama, Hugging Face).
Conocimientos en Graph Databases y Knowledge Graphs.
Familiaridad con topologías de agentes multi-rol o multi-modal.
Conocimientos en optimización de modelos (quantization, distillation, LoRA fine-tuning).
Experiencia en monitorización y evaluación continua de modelos en producción (Prometheus, EvidentlyAI, Arize).
Conocimiento en MLOps: MLflow, DVC, Docker, CI/CD, versionado de modelos y experiment tracking.
Ofrecemos
Un ambiente de trabajo colaborativo, inclusivo y orientado a la innovación.
Proyectos emocionantes que desafiarán tus habilidades y te permitirán crecer profesionalmente.
Oportunidades de liderazgo y crecimiento personal.
Salario competitivo acorde a tu experiencia y a las responsabilidades del puesto.
Jornadas flexibles con un modelo remoto (con la posibilidad de híbrido si resides en Madrid), jornada reducida los viernes, julio y agosto.
25 días de vacaciones + tu cumpleaños.
Retribución flexible. xhfqzwm
Si sientes que este rol es para ti y quieres ser parte del equipo que está redefiniendo el futuro de la observabilidad, ¡nos encantaría saber de ti!
Pueden mandarnos tu CV directamente a ******.
#J-18808-Ljbffr