DATA SCIENTIST / MLOpsPerfil profesionalProfesional de Data Science / MLOps con más de 3 años de experiencia en el diseño, desarrollo, despliegue y operación de modelos de Machine Learning en entornos productivos. Especialización en automatización del ciclo de vida del ML (ML lifecycle), incluyendo pipelines de datos, despliegue en producción, monitorización de modelos y reentrenamiento. Experiencia en entornos cloud, contenedores y plataformas de datos empresariales.Experiencia profesionalData Scientist / MLOps Engineer- Desarrollo de modelos de Machine Learning en Python aplicados a problemas de negocio.- Despliegue de modelos en producción utilizando Docker y Kubernetes.- Diseño e implementación de pipelines de datos y automatización de workflows (CI/CD aplicado a ML).- Uso de herramientas de control de versiones y experiment tracking (Git, MLflow o equivalentes).- Monitorización de modelos en producción, detección de drift y ejecución de procesos de reentrenamiento.- Integración de soluciones ML en entornos cloud (AWS / Azure / GCP).- Optimización continua de modelos en producción para mejora de rendimiento.- Administración y configuración de plataforma de datos Stratio, incluyendo optimización de sus componentes principales.Machine Learning / Data Engineer- Desarrollo de pipelines de datos escalables con procesamiento distribuido (Spark u otros).- Creación de APIs para inferencia de modelos mediante arquitecturas de microservicios.- Automatización de procesos de datos y ML con herramientas de orquestación (Airflow o similares).- Aplicación de prácticas DevOps en entornos de datos y machine learning.- Participación en proyectos de industrialización de modelos de IA.Formación académicaTitulación universitaria STEM (Ingeniería / Matemáticas / Telecomunicaciones o equivalente)Competencias técnicasLenguajes:- Python (avanzado)- SQLMachine Learning / MLOps:- Scikit-learn, TensorFlow, PyTorch (según experiencia)- MLflow, Kubeflow, Metaflow- CI/CD aplicado a MLContenedores e infraestructura:- Docker- Kubernetes- GitCloud computing:- AWS / Azure / GCP (servicios de ML, almacenamiento y computación)Data Engineering:- Apache Spark- Airflow u otras herramientas de orquestación- Diseño de pipelines de datosPlataformas:- Stratio (configuración, administración y optimización de componentes)MLOps avanzado:- Monitorización de modelos en producción- Detección de drift- Retraining automático- Model governance y explicabilidadProyectos (opcional)Industrialización de modelos de Machine Learning- Diseño de arquitectura end-to-end para despliegue de modelos en producción con monitorización y automatización del ciclo de vida.Plataforma de datos en cloud- Implementación de pipelines de datos y servicios ML en entorno cloud con orquestación y CI/CD.Sistema de inferencia en microservicios- Desarrollo de APIs para modelos ML desplegados en Kubernetes.#J-18808-Ljbffr