Data Scientist

Hace 2 días

Madrid, España SCI Serviclients Jornada completa
Hay proyectos donde un modelo no termina al entrenarse: empieza a aportar valor cuando llega a producción, se monitoriza y se mantiene estable. Aquí trabajarás conPython, MLOps, cloud, Docker, Kubernetes, CI/CD, MLflow y Stratio, en un entorno donde la industrialización de modelos tiene impacto real. Te incorporarás a un contexto técnico estable, con foco enanalítica avanzada, operación de modelos en producción y calidad del ciclo de vida ML, con autonomía, continuidad y margen para seguir creciendo en prácticas modernas de datos, automatización y gobierno de modelos.
Lo que hará que esta oportunidad te encajeTeletrabajo desde cualquier punto de EspañaModelos que llegan a producción de verdadStack técnico sólido y actualEspecialización real en StratioHorario pensado para organizar mejor tu semanaSalario claro desde el inicioSBA de 53.000 €.
Misión del rolTu misión será desarrollar, desplegar, operar y mantener soluciones de machine learning en entornos productivos, asegurando que los modelos sean fiables, trazables, monitorizables y sostenibles en el tiempo.
Cómo será tu día a día en este proyectoDesarrollar soluciones en Python aplicadas a machine learning e ingeniería de datos.
Desplegar y operar modelos ML en entornos productivos.
Trabajar con Docker, Kubernetes y servicios cloud.
Diseñar y mantener pipelines de datos y automatizaciones CI/CD para ML.
Gestionar versionado de código y experimentos con Git, MLflow u otras herramientas equivalentes.
Monitorizar modelos, detectar drift y participar en procesos de retraining.
Configurar, administrar y optimizar componentes de Stratio.
Colaborar en prácticas de MLOps, gobernanza, explicabilidad y operación continua.
Qué te ayudará a tener éxito en esta posiciónHaber trabajado al menos 3 años en machine learning, ingeniería de datos o MLOps te permitirá entender bien el ciclo completo del modelo. Será clave que te muevas con comodidad en Python, cloud, Docker, Kubernetes, CI/CD y herramientas de control de experimentos.
También encajarás especialmente bien si tienes experiencia en monitorización de modelos, retraining, drift, Spark, Airflow, Kubeflow, APIs de inferencia, microservicios o proyectos de industrialización de modelos ML.
Da el siguiente pasoSi buscas un rol donde el machine learning no se queda en laboratorio, sino que se convierte en sistemas productivos estables, monitorizados y con recorrido técnico, esta posición puede darte continuidad, especialización y crecimiento real en MLOps.