Machine Learning Engineer
Hace 3 días
España
CAS Training
Trabajo remoto
Jornada completa
Gratis con email o Google
Guarda esta oferta y sigue tu búsqueda
Crea una cuenta gratis para guardar empleos, crear alertas y volver a esta oferta desde tu panel.
Gratis con email o Google
Al continuar, aceptas nuestros Términos & Política de Privacidad.
Buscamos a un Machine Learning Engineer para un proyecto en banca 100% remoto
Industrialización y MLOps: Despliegue, productivización y mantenimiento de pipelines de entrenamiento e inferencia batch para modelos de Machine Learning en Azure Databricks y PySpark, garantizando trazabilidad, reproducibilidad y escalabilidad.
Previsión de demanda (Forecasting): Análisis, refactorización y optimización de modelos de series temporales (StatsForecast, MLForecast, LightGBM, Prophet) para la predicción de demanda de efectivo a nivel de red y cajeros.
Modelado de optimización operativa: Integración y productivización de algoritmos de optimización matemática y heurísticas para la asignación eficiente de denominaciones de billetes, respetando restricciones logísticas y operativas de negocio.
Gobierno y ciclo de vida de modelos: Implementación de flujos de registro, versionado de artefactos, auditoría y monitorización de drift mediante MLflow y herramientas corporativas de gobierno (Delphi).
Migración y calidad de software: Refactorización de código exploratorio y notebooks a librerías modulares de Python, aplicando principios de testing unitario, control de excepciones, logging avanzado y tipado estático.
Automatización y CI/CD: Configuración y mantenimiento de pipelines de integración y entrega continua (Jenkins, GitHub Actions, Git) para automatizar el ciclo de vida del software y el despliegue de modelos.
Resolución de incidencias y soporte N3: Diagnóstico de fallos en ejecución productiva, análisis de causa raíz (root cause analysis) y ejecución de planes de remediación operativa.
Colaboración técnica multidisciplinar: Coordinación directa con equipos de Data Engineering, Plataforma Cloud, Data Science y Negocio para la definición de contratos de datos, SLAs y validación de casos de uso.
Documentación técnica y operativa: Redacción de manuales de arquitectura, procedimientos de relanzamiento y contingencia (runbooks), y análisis de viabilidad (trade-offs entre coste de cómputo y rendimiento).