Data Scientist | MLOps, Python y entornos cloud
Trabajarás 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 principal.
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 learning
Participarás en la creación, validación y puesta en producción de modelos en entornos reales.
✅ Trabajo en entornos MLOps
Gestionarás el ciclo de vida completo de modelos, desde el desarrollo hasta su monitorización en producción.
✅ Automatización y pipelines de datos
Diseñarás pipelines robustos para entrenamiento, validación y despliegue mediante prácticas CI/CD aplicadas a ML.
✅ Contenedorización y orquestación
Trabajarás con tecnologías como Docker y Kubernetes para garantizar escalabilidad y eficiencia.
✅ Monitorización y mantenimiento de modelos
Analizarás el comportamiento de los modelos en producción, gestionando drift, retraining y mejoras continuas.
✅ Trabajo en entornos cloud
Participarás en proyectos desplegados en AWS, Azure o GCP, utilizando servicios específicos de machine learning.
✅ Uso de plataforma Stratio
Trabajarás con la plataforma, participando en la configuración, administración y optimización de sus componentes.
🤝 Cómo es trabajar en SCI ServiClients
✅ Trato cercano y comunicación directa
No eres un número. Tendrás acceso rápido al equipo y una relación ágil y humana.
✅ Apoyo real en el día a día
Ante cualquier situación, tendrás respaldo y acompañamiento.
✅ Buen ambiente y compañerismo
Se fomenta la colaboración, haciendo que el día a día sea más llevadero.
✅ Estabilidad y tranquilidad
Condiciones claras y continuidad en proyectos para que puedas centrarte en tu trabajo.
✅ Proyectos variados y crecimiento profesional
Podrás evolucionar pasando por distintos entornos y clientes.
✅ Confianza y autonomía
Se valora tu criterio y tu forma de trabajar.
✅ Gestión sencilla y transparente
Procesos claros para horas, documentación y tareas administrativas.
🚀 Tu misión en este rol
Tu 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 STEM
Titulación en Ingeniería Informática, Telecomunicaciones, Matemáticas u otras disciplinas relacionadas.
✅ Experiencia en machine learning o MLOps
Al menos 3 años trabajando en desarrollo, despliegue o mantenimiento de modelos o pipelines de datos.
✅ Dominio de Python aplicado a datos
Será clave para desarrollar soluciones robustas y eficientes.
✅ Experiencia en entornos productivos
Haber trabajado con modelos en producción te permitirá aportar valor desde el inicio.
✅ Conocimientos en contenedorización
Experiencia con Docker y Kubernetes para despliegues escalables.
✅ Automatización y pipelines
Experiencia en CI/CD aplicado a machine learning.
✅ Control de experimentos y versionado
Uso de herramientas como Git, MLflow u otras similares.
✅ Experiencia en cloud
Conocimiento de AWS, Azure o GCP aplicado a entornos de datos y ML.
✅ Monitorización de modelos
Experiencia en gestión de drift, retraining y mantenimiento continuo.
✅ Experiencia con Stratio
Conocimiento 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 paso
Si 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.