Data Scientist / MLOps Engineer - Teletrabajo

SCI Serviclients; España; Remote; EUR 48,000 - 58,000; Full time

Job summary

SCI Serviclients busca un profesional para desarrollar, desplegar y mantener soluciones de machine learning en entornos productivos. Trabajarás con Python, Docker y Kubernetes, en nube y pipelines de datos, asegurando monitorización, trazabilidad y gobernanza.

La posición ofrece teletrabajo desde España, con horario estable y salario competitivo. Se valorará experiencia en ML Ops, CI/CD y gestión de modelos a gran escala.

Qualifications

• Al menos 3 años trabajando en machine learning, data engineering o MLOps.
• Experiencia desarrollando soluciones ML en producción y en pipelines de datos.
• Conocimiento de monitorización de modelos, retraining y drift.

Responsibilities

• Desarrollar soluciones en Python aplicadas a ML y data engineering.
• Desplegar y operar modelos ML en entornos productivos.
• Mantener y monitorizar pipelines de datos y prácticas CI/CD para ML.
• Configurar y optimizar componentes de Stratio.

Skills

Python

Docker

Kubernetes

Cloud

CI/CD

MLflow

Stratio

Data pipelines

Tools

Spark

Airflow

Job description

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 con Python, 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 en analítica 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 encaje

• Teletrabajo desde cualquier punto de España Podrás trabajar en remoto al 100%, con la flexibilidad de organizar tu vida sin depender de una ubicación concreta.
• Modelos que llegan a producción de verdad No te quedarás solo en notebooks: trabajarás en despliegue, operación, monitorización, retraining y control de drift.
• Stack técnico sólido y actual Python, Docker, Kubernetes, cloud, CI/CD, MLflow, pipelines de datos y herramientas MLOps formarán parte del entorno habitual.
• Especialización real en Stratio Podrás aplicar tu experiencia configurando, administrando y optimizando componentes clave de la plataforma.
• Horario pensado para organizar mejor tu semana Tres días de jornada intensiva y dos días de jornada partida, aportando equilibrio y previsibilidad.
• Salario claro desde el inicio SBA de 53.000 € .

Misión del rol

Tu 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 proyecto

• Desarrollar 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 posición

Haber 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.

Si 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.