Contexto del proyectoNuestro cliente en España está desplegando un proyecto de IA / GenAI a gran escala sobre una plataforma cloud(GCP) apoyada en un stack moderno de datos (DBT, Python, Kubernetes).Ya contamos con un equipo de Data Engineers y MLOps encargándose de pipelines de datos, infraestructura ydespliegue;
ahora necesitamos Machine Learning Engineers (MLE) y Machine Learning Scientists(MLS) orientados a infraestructura y datos de IA, para asegurar que modelos y datos circulan de forma robusta,escalable y monitorizada en producción.Key responsibilities – MLE / MLS - Diseñar, entrenar y optimizar modelos de machine learning (tabulares, NLP, embeddings, etc.) para escenarios deIA y GenAI, asegurando reproducibilidad, escalabilidad y alineación con métricas de negocio. - Trabajar junto con Data Engineers para definir requisitos de datos, feature pipelines y formatos de almacenamiento,y con MLOps para diseñar cómo se versionan, despliegan y monitorean los modelos en Kubernetes. - Definir y configurar pipelines de datos y ML (batch/real-time) usando Python, DBT y herramientas de orchestration,de forma integrada con la infra existente. - Asegurar trazabilidad de datos y modelos: lineage, versionado, métricas de modelo y datos, y monitorización dedrift (data drift, concept drift) para mantener la calidad en producción. - Documentar arquitecturas de modelos, decisiones técnicas y dashboards de monitoreo para que el equipo de IA,MLOps y Data Engineering pueda operar el sistema de forma colaborativa.Mandatory skills – MLE / MLS - Experiencia sólida en Python para modelado (scikit-learn, XGBoost, etc.) y, si es posible, deep learning (PyTorch oTensorFlow). - Conocimiento práctico de GCP (BigQuery, Cloud Storage, etc.) y experiencia con Kubernetes / Docker o al menos conentornos containerizados. - Experiencia en ciclo completo de ML (data prep, feature engineering, entrenamiento, validación, evaluación y puestaen producción de modelos). - Familiaridad con herramientas de pipelines de datos (DBT, Airflow o equivalentes) y con herramientas detracking de modelos (MLflow, Weights & Biases, Vertex AI, etc.). - Comprensión de tests estadísticos, métricas de clasificación/regresión y conceptos de drift para monitoreo ymejora continua. - Español fluido (residencia en España) y capacidad de trabajar en inglés técnico con equipos internos.Nice-to-have skills – MLE / MLS - Experiencia con GenAI / LLMs (fine-tuning, prompt engineering, embeddings, RAG) y librerías como Hugging Face,LangChain, etc. - Experiencia previa en roles de MLOps o Data Engineering o haber trabajado en estrecho contacto con equipos deinfraestructura y datos de IA. - Conocimiento de CI/CD para ML, pipelines de re-entrenamiento automatizados, scoring en batch y streaming, ymonitorización de modelos en producción. - Background en investigación aplicada / ciencia de datos (MLS más orientado a diseñar experimentos y prototiposrobustos ligados a infraestructura). - Experiencia en otros ecosistemas (Spark, Cloud Composer, etc.) como plus para integrarse con el stack de datos yaexistente