Data Scientist | MLOps, Python y entornos cloudTrabajarás en el desarrollo, despliegue y operación de soluciones de machine learning dentro de entornos productivos, participando en proyectos donde la escalabilidad, la automatización y la fiabilidad de los modelos son clave.Formarás parte de SCI ServiClients, un entorno cercano y estable donde podrás aportar tu experiencia técnica con autonomía, apoyo real y continuidad en proyectos.💡 Cómo será tu día a día en este proyecto✅ Desarrollo y despliegue de modelos de machine learningParticiparás en la creación, validación y puesta en producción de modelos en entornos reales.✅ Trabajo en entornos MLOpsGestionarás el ciclo de vida completo de modelos, desde el desarrollo hasta su monitorización en producción.✅ Automatización y pipelines de datosDiseñarás pipelines robustos para entrenamiento, validación y despliegue mediante prácticas CI/CD aplicadas a ML.✅ Contenedorización y orquestaciónTrabajarás con tecnologías como Docker y Kubernetes para garantizar escalabilidad y eficiencia.✅ Monitorización y mantenimiento de modelosAnalizarás el comportamiento de los modelos en producción, gestionando drift, retraining y mejoras continuas.✅ Trabajo en entornos cloudParticiparás en proyectos desplegados en AWS, Azure o GCP, utilizando servicios específicos de machine learning.✅ Uso de plataforma StratioTrabajarás con la plataforma, participando en la configuración, administración y optimización de sus componentes.🤝 Cómo es trabajar en SCI ServiClients✅ Trato cercano y comunicación directaNo eres un número. Tendrás acceso rápido al equipo y una relación ágil y humana.✅ Apoyo real en el día a díaAnte cualquier situación, tendrás respaldo y acompañamiento.✅ Buen ambiente y compañerismoSe fomenta la colaboración, haciendo que el día a día sea más llevadero.✅ Estabilidad y tranquilidadCondiciones claras y continuidad en proyectos para que puedas centrarte en tu trabajo.✅ Proyectos variados y crecimiento profesionalPodrás evolucionar pasando por distintos entornos y clientes.✅ Confianza y autonomíaSe valora tu criterio y tu forma de trabajar.✅ Gestión sencilla y transparenteProcesos claros para horas, documentación y tareas administrativas.🚀 Tu misión en este rolTu misión será garantizar el correcto desarrollo, despliegue y mantenimiento de modelos de machine learning en entornos productivos, asegurando su rendimiento, escalabilidad y estabilidad.Participarás en el ciclo completo de vida del dato y del modelo, colaborando en tareas de desarrollo, automatización, monitorización y mejora continua dentro de un entorno estructurado.En tu día a día:- Desarrollarás soluciones de machine learning en Python.- Diseñarás y mantendrás pipelines de datos y procesos automatizados.- Desplegarás modelos en entornos productivos usando Docker y Kubernetes.- Implementarás procesos de CI/CD aplicados a ML.- Monitorizarás modelos en producción, gestionando drift y retraining.- Trabajarás con herramientas como Git, MLflow u otras de control de experimentos.- Participarás en entornos cloud (AWS, Azure o GCP).- Administrarás y optimizarás componentes de la plataforma Stratio.🌱 Qué te hará tener éxito en esta posición✅ Formación en ámbito STEMTitulación en Ingeniería Informática, Telecomunicaciones, Matemáticas u otras disciplinas relacionadas.✅ Experiencia en machine learning o MLOpsAl menos 3 años trabajando en desarrollo, despliegue o mantenimiento de modelos o pipelines de datos.✅ Dominio de Python aplicado a datosSerá clave para desarrollar soluciones robustas y eficientes.✅ Experiencia en entornos productivosHaber trabajado con modelos en producción te permitirá aportar valor desde el inicio.✅ Conocimientos en contenedorizaciónExperiencia con Docker y Kubernetes para despliegues escalables.✅ Automatización y pipelinesExperiencia en CI/CD aplicado a machine learning.✅ Control de experimentos y versionadoUso de herramientas como Git, MLflow u otras similares.✅ Experiencia en cloudConocimiento de AWS, Azure o GCP aplicado a entornos de datos y ML.✅ Monitorización de modelosExperiencia en gestión de drift, retraining y mantenimiento continuo.✅ Experiencia con StratioConocimiento práctico de la plataforma (mínimo 3 años), incluyendo configuración y optimización.⭐ Requisitos valorables- Experiencia con herramientas MLOps (Kubeflow, Airflow, Metaflow, etc.).- Conocimientos en procesamiento distribuido (Spark, pipelines de datos).- Experiencia en microservicios y APIs para inferencia.- Conocimientos en gobernanza y explicabilidad de modelos.- Experiencia en proyectos de inteligencia artificial o analítica avanzada.- Participación en procesos de industrialización de modelos.- Conocimientos de prácticas DevOps aplicadas a datos y ML.👉 Da el siguiente pasoSi buscas un proyecto estable donde seguir creciendo como Data Scientist dentro de entornos MLOps, trabajando con tecnologías actuales y participando en proyectos de machine learning en producción, esta puede ser una buena oportunidad para ti.Tendrás la posibilidad de aportar en un entorno técnico sólido, con autonomía, estabilidad y un equipo cercano que acompaña en el día a día.