Elegir Capgemini significa elegir una empresa donde tendrás la libertad de diseñar tu carrera cualificado como desees, con el respaldo y la inspiración de una comunidad colaborativa de colegas en todo el mundo. Aquí podrás reinventar lo que es posible. Únete a nosotros y ayuda a las organizaciones líderes en el mundo a descubrir el valor de la tecnología y construir un mundo más sostenible e inclusivo.
\n
Tenemos un equipo de Data & AI que estará encantado de contar contigo. ¿Te apetece sumarte?
\n
Estamos buscando un Machine Learning Engineer para trabajar en soluciones avanzadas de Machine Learning y Generative AI. Este rol no consiste únicamente en consumir APIs o utilizar librerías prefabricadas, sino en comprender profundamente cómo funcionan los modelos y los sistemas, adaptando o modificando componentes existentes cuando sea necesario y contribuyendo a la definición técnica de nuevas soluciones.
\n
Buscamos especialmente a alguien que vaya más allá del uso superficial de las herramientas: una persona con la profundidad técnica para razonar sobre modelado, entrenamiento, arquitectura y comportamiento de modelos, y con la capacidad de entender por qué un enfoque funciona, cuándo falla y cómo puede mejorarse.
\n
¿Qué harás en el proyecto? ¿Cuál será tu rol?
\n
- Diseñar, desarrollar y mejorar sistemas de Inteligencia Artificial aplicados a la optimización de procesos complejos, especialmente en el ámbito de planificación y simulación.
- Trabajar en el desarrollo de modelos y algoritmos que generen recomendaciones accionables, combinando diferentes técnicas de Machine Learning y LLMs.
- Diseñar y mejorar prompts, evaluaciones y arquitecturas basadas en LLMs (multi-agent systems, LLM-as-a-judge, reasoning pipelines, etc.).
- Analizar y explotar datos estructurados y no estructurados (tabulares, texto, grafos) para construir soluciones robustas y explicables.
- Evaluar y mejorar modelos mediante experimentación rigurosa, métricas y validación continua.
- Colaborar estrechamente con perfiles de negocio y técnicos para traducir problemas complejos en soluciones de IA.
- Contribuir a la evolución técnica del sistema, proponiendo nuevas ideas, enfoques y mejoras basadas en el estado del arte.
¿Qué esperamos de ti?\n
- Buscamos una persona con actitud positiva y colaborativa, que disfrute trabajando en equipo y tenga ganas de aportar e innovar en el día a día.
- Valoramos especialmente una mente crítica, capaz de cuestionar lo establecido, proponer mejoras y contribuir activamente al diseño y evolución de los sistemas que desarrollamos.
- No buscamos únicamente experiencia, sino motivación. Nos interesa alguien con ganas de aprender, crecer y desarrollarse junto al equipo, con curiosidad por entender problemas complejos y construir soluciones de impacto.
Para desenvolverte bien en la posición se requieren conocimientos en/de:\n
- +4–5 años de experiencia en entornos de MLOps o Machine Learning Engineering.
- Bases muy sólidas en Machine Learning y Deep Learning.
- Comprensión profunda de conceptos fundamentales como gradient descent, backpropagation, funciones de pérdida, optimización, dinámica de entrenamiento, regularización y comportamiento de modelos.
- Sólido entendimiento de mecanismos de atención y arquitecturas basadas en Transformers.
- Conocimiento firme de modelos como BERT, GPT y técnicas de adaptación/entrenamiento como LoRA.
- Capacidad de razonar sobre estos temas no solo desde una perspectiva práctica, sino también conceptual y matemática, con una clara comprensión de los avances más importantes del campo en los últimos años.
- Experiencia sólida en Python.
Valoramos también:\n
- Experiencia práctica con Generative AI, incluyendo RAG, sistemas agentivos o grafos de conocimiento.
- Mentalidad de prototipado rápido, flexibilidad y una actitud fuerte.
- Curiosidad, ganas de aprender y deseo de mantenerse actualizado.
No buscamos necesariamente a alguien que conozca en profundidad cada librería, framework o ecosistema de herramientas. La familiaridad con herramientas como LangChain, LangGraph o frameworks similares es un plus, pero no es nuestra prioridad principal. Valoramos mucho más unas bases fuertes en ML/DL, un entendimiento real de cómo funcionan los modelos y la capacidad de aprender, adaptarse y construir con criterio técnico sólido.\n
Sería un gran encaje para este rol alguien que pueda responder con solidez preguntas como cómo entrenaría un determinado modelo, o qué modelo y técnicas elegiría para problemas como clasificación, segmentación, NLP u otras tareas relacionadas de ML, y explicar claramente el razonamiento detrás de esas decisiones.
\n
Este rol encaja especialmente bien con candidatos que tienden a pensar primero en términos de modelos, datos, objetivos, estrategias de entrenamiento y trade-offs, en lug