Machine Leaarning Engineer Remoto España

ML Engineer | MLOps · Forecasting · Python · Databricks · PySpark Contratación por Zemsania | Proyecto en el sector bancario ? ¿Qué buscamos?
Buscamos un/a ML Engineer con entre 2 y 5 años de experiencia en desarrollo e industrialización de soluciones de Machine Learning, especialmente en modelos predictivos, forecasting y optimización.
La persona se incorporará a un proyecto orientado a llevar a producción modelos ya desarrollados, principalmente de previsión de demanda y optimización de decisiones operativas relacionadas con la gestión de efectivo.
? Condiciones del proyecto Ubicación: Remoto 100%.
Sector: Banca.
Experiencia requerida: entre 2 y 5 años de experiencia.
Contratación: por Zemsania.
? Requisitos mínimos Formación en Informática, Matemáticas, Física, Estadística, Data Science o equivalente técnico.
Entre 2 y 5 años de experiencia en Machine Learning, MLOps o Data Science Engineering.
Experiencia demostrable llevando modelos a entornos productivos.
Conocimientos de forecasting, series temporales y predicción de demanda.
Conocimientos de modelos de optimización aplicados a planificación, asignación de recursos y restricciones de negocio.
Python avanzado y experiencia en Machine Learning supervisado y validación de modelos.
SQL, PySpark/Spark y Azure Databricks o plataformas equivalentes.
Git y CI/CD (Jenkins, GitHub Actions u otras herramientas).
MLflow o herramientas de seguimiento, registro y gestión de modelos.
Buenas prácticas de ingeniería: modularización, testing, logging, gestión de errores y documentación.
Español fluido e inglés técnico.
? Se valorará Experiencia con Nixtla, StatsForecast, MLForecast, LightGBM, Prophet o scikit-learn.
Experiencia con MLOps: versionado, monitorización, reentrenamiento, trazabilidad y gobernanza.
Azure, inferencia batch, Kafka o arquitecturas event streaming.
Experiencia en banca, finanzas, retail u operaciones.
Migración de notebooks y prototipos a soluciones productivas.
Integración de modelos predictivos con modelos de optimización.
Uso de herramientas de IA para apoyar el desarrollo, como GitHub Copilot.
?? Funciones principales Industrializar modelos de forecasting y optimización, llevándolos a producción.
Revisar y simplificar modelos existentes para facilitar su mantenimiento y despliegue.
Diseñar pipelines de entrenamiento, inferencia y predicción con Databricks y PySpark.
Gestionar el ciclo de vida de los modelos: versionado, validación, registro, monitorización y reentrenamiento.
Integrar los modelos con MLflow y las herramientas corporativas de gobierno y despliegue.
Optimizar modelos de previsión de demanda y decisiones operativas relacionadas con la gestión de efectivo y denominaciones.
Resolver incidencias productivas y analizar sus causas.
Colaborar con equipos de Data Engineering, Model Development, Plataforma, Negocio y Producto.
Elaborar documentación técnica y procedimientos de ejecución, diagnóstico y mantenimiento.
? Objetivo del proyecto Conseguir que los modelos existentes sean robustos, escalables y mantenibles en producción, asegurando su integración en el ecosistema corporativo y mejorando los procesos de previsión y optimización operativa.
? Contratación La contratación será por Zemsania .
? Compromiso con la igualdad En Zemsania, creemos en la igualdad de oportunidades y en la diversidad como valores fundamentales para el éxito de nuestra organización.
Por ello, garantizamos un proceso de selección basado en el mérito y sin discriminación por motivos de género, edad, discapacidad, orientación sexual, raza, religión o cualquier otra condición personal o social.