Data Scientist | MLOps, Python & Cloud
Hay proyectos donde los modelos se quedan en notebooks.
Y hay proyectos donde el reto está en llevarlos a producción, escalarlos y mantenerlos funcionando de forma fiable.
Aquí trabajarás en soluciones de Machine Learning productivas, dentro de un entorno donde MLOps, automatización, cloud y monitorización tienen un papel clave.
Formarás parte de SCI ServiClients, una compañía donde encontrarás estabilidad, cercanía y autonomía para aportar tu experiencia técnica en proyectos de datos e inteligencia artificial.
Lo que hará que esta oportunidad te encaje
Machine Learning en producción
Participarás en el desarrollo, despliegue y mantenimiento de modelos en entornos reales, donde la fiabilidad y la escalabilidad son clave.
Foco real en MLOps
Trabajarás en el ciclo completo del modelo: validación, despliegue, monitorización, retraining y mejora continua.
Stack técnico actual
Utilizarás Python, Docker, Kubernetes, Git, MLflow y herramientas de automatización, versionado y control de experimentos.
Cloud y plataforma Stratio
Participarás en proyectos sobre AWS, Azure o GCP, trabajando también con Stratio en configuración y optimización de componentes.
Proyecto estable con autonomía
Te incorporarás a un entorno con continuidad, margen para aportar criterio técnico y comunicación cercana en el día a día.
Tu misión
Desarrollar, desplegar y mantener soluciones de Machine Learning en producción, asegurando que los modelos sean fiables, escalables y sostenibles dentro de entornos cloud y MLOps.
En tu día a día...
Desarrollarás soluciones de Machine Learning en Python.
Diseñarás pipelines de datos y procesos automatizados.
Desplegarás modelos con Docker y Kubernetes.
Implementarás procesos de CI/CD aplicados a ML.
Monitorizarás modelos, gestionando drift, retraining y mejoras continuas.
Trabajarás con Git, MLflow, cloud y Stratio.
Qué te ayudará a tener éxito
Experiencia en ML, MLOps o ingeniería de datos
Al menos 3 años de experiencia desarrollando, desplegando o manteniendo modelos, pipelines o soluciones de datos.
Dominio de Python y entornos productivos
Experiencia aplicando Python a Machine Learning, analítica avanzada o ingeniería de datos.
Conocimientos de Docker, Kubernetes y CI/CD
Experiencia en contenedorización, automatización y despliegue de soluciones escalables.
Cloud y herramientas MLOps
Experiencia en AWS, Azure o GCP, junto con herramientas como Git, MLflow o similares.
Experiencia con Stratio
Conocimiento práctico de Stratio, especialmente en configuración, administración u optimización de componentes.
Formación STEM
Titulación en Ingeniería Informática, Telecomunicaciones, Matemáticas u otras disciplinas relacionadas.
También te ayudará destacar si...
Has trabajado con Kubeflow, Airflow, Metaflow o Spark.
Tienes experiencia con APIs o microservicios para inferencia.
Has participado en industrialización, gobernanza o monitorización avanzada de modelos.
Da el siguiente paso
Si quieres trabajar en proyectos donde el Machine Learning no se queda en la teoría, sino que se despliega, se monitoriza y genera impacto real, esta oportunidad puede encajar contigo.
Aquí encontrarás un entorno estable, técnico y cercano donde podrás seguir creciendo en MLOps, cloud e industrialización de modelos.