MLOps Engineer | GCP

Hace 2 días

Las Rozas de Madrid, Comunidad de Madrid, España remoteo Jornada completa

Buscamos incorporar un/a MLOps Engineer para participar en proyectos de Machine Learning y Data Engineering, trabajando en la industrialización, despliegue y operación de modelos en entornos cloud.


Usted podría ser el solicitante perfecto para este trabajo. Lea toda la información asociada y asegúrese de presentar su candidatura.

Buscamos un perfil con fuerte base de Python, GCP, Vertex AI, BigQuery y MLOps, capaz de llevar modelos desde la experimentación hasta producción de forma automatizada, escalable y reproducible.

Ubicación: Las Rozas, Madrid --- Calle Jacinto Benavente

Modalidad: Híbrida --- 1 día presencial por semana

Posición: MLOps Engineer

Misión

Diseñar y evolucionar soluciones de MLOps y Machine Learning sobre GCP, automatizando el ciclo completo de los modelos: preparación de datos, entrenamiento, versionado, despliegue, monitorización y optimización.

Requisitos imprescindibles

GCP & Vertex AI

  • Experiencia sólida con Google Cloud Platform.
  • Vertex AI: Pipelines, Model Registry, Workbench y despliegue de modelos.
  • BigQuery: optimización de consultas a gran escala, procesamiento distribuido y conectores externos.

Python & Software Engineering

  • Nivel avanzado de Python.
  • Desarrollo de código modular, desacoplado, testeable y preparado para ejecución concurrente.
  • Git, testing automatizado, code reviews y gestión de dependencias.

Machine Learning

  • Desarrollo de modelos predictivos con LightGBM, XGBoost, CatBoost o similares.
  • Experiencia trabajando con millones de registros.
  • Optimización de entrenamiento e inferencia.

MLOps / Industrialización

  • Experiencia llevando modelos desde Notebooks / Workbench hasta producción.
  • Pipelines automatizados.
  • Versionado de modelos.
  • Despliegues reproducibles.
  • Monitorización de modelos.

DevOps

  • Docker.
  • CI/CD con GitHub Actions, GitLab CI o herramientas similares.
  • Automatización de despliegues y gestión de entornos ML.

Data Engineering

  • Construcción de pipelines de datos para entrenamiento e inferencia.
  • Optimización de procesos ETL/ELT.
  • Gestión y procesamiento de grandes volúmenes de datos.

Será valorable

  • Experiencia en Forecasting / Series Temporales y previsión de demanda.
  • Alta cardinalidad, estacionalidades complejas, promociones y eventos.
  • Estrategias de cold-start.
  • Deep Learning aplicado a forecasting:
  • TFT, TiDE, PatchTST, TimesFM, Chronos o Transformers.
  • GenAI / LLMOps: RAG, agentes, evaluación de modelos, prompt engineering y observabilidad.
  • Optimización de hiperparámetros con Optuna, Ray Tune o similares.
  • Paralelización del entrenamiento y optimización de inferencia. xghoner
  • Optimización de costes computacionales.