Machine Learning Engineer

Capitole; Islas Baleares; Presencial; EUR 60.000 - 90.000; Jornada completa

Descripción de la vacante

Capitole busca un/a Data Scientist / ML Engineer con sólida experiencia en IA tradicional para diseñar, entrenar y desplegar modelos orientados a pricing dinámico, personalización de oferta y forecast de demanda en retail de alto volumen.

Se trabajará en el ciclo completo de un modelo: análisis, ingeniería de features y despliegue en producción mediante pipelines de CI/CD, asegurando que los outputs lleguen a los sistemas de negocio en tiempo y forma.

Formación

• 5+ años de experiencia en Data Science o ML en entornos productivos.
• Dominio de Python (pandas, scikit-learn) y SQL avanzado.
• Modelos: Regresión, Clasificadores y sistemas de recomendación.
• CI/CD: pipelines y despliegue de modelos con Docker y GitHub Actions/GitLab CI.
• Experiencia con herramientas de tracking de experimentos: MLflow, W&B.

Responsabilidades

• Diseño y entrenamiento de modelos de regresión para forecast y elasticidad de precio.
• Desarrollo de clasificadores (churn, propensión a compra, detección de anomalías).
• Construcción de sistemas de recomendación para personalización de oferta SKU-cliente.
• Gestión del ciclo de vida de modelos: versionado, retraining y monitoring de drift.
• Integración en pipelines CI/CD: testing, validación y promoción a producción.
• Monitoreo de métricas de negocio y técnicas post-despliegue.
• Traducción de requisitos de negocio en problemas de ML.
• Documentación de metodología y decisiones para audiencias técnicas y no técnicas.
• Participación en code reviews y definición de estándares del equipo.

Conocimientos

Python

SQL

Modelos de ML

Sistemas de recomendación

CI/CD

Docker

Experiment tracking

Herramientas

MLflow

W&B

BigQuery

Descripción del empleo

Buscamos un/a Data Scientist / ML Engineer con sólida experiencia en IA tradicional para incorporarse a un equipo de datos en expansión. La persona seleccionada será responsable de diseñar, entrenar y poner en producción modelos predictivos orientados a pricing dinámico, personalización de oferta y forecast de demanda en entornos retail de alto volumen.

El rol requiere dominio del ciclo completo de un modelo: desde el análisis exploratorio y la ingeniería de features hasta el despliegue en producción mediante pipelines de CI/CD, garantizando que los outputs lleguen a los sistemas de negocio en tiempo y forma.

Responsabilidades principales:

• Diseño y entrenamiento de modelos de regresión para forecast de demanda y elasticidad de precio.
• Desarrollo de clasificadores (churn, propensión a compra, detección de anomalías en stock).
• Construcción de sistemas de recomendación (collaborative filtering, content-based, híbridos) para personalización de oferta SKU-cliente.
• Gestión del ciclo de vida de modelos: versionado, retraining periódico y monitorización de drift.
• Integración en pipelines de CI/CD (GitHub Actions, GitLab CI o similar): testing, validación automática y promoción a producción.
• Monitorización de métricas de negocio y métricas técnicas (RMSE, AUC, ) post-despliegue.
• Traducción de requisitos de negocio (pricing managers, category managers) en problemas formales de ML.
• Documentación clara de metodología, decisiones de modelado y resultados para audiencias técnicas y no técnicas.
• Participación en code reviews y en la definición de estándares del equipo de datos.

Requisitos imprescindibles:

• 5+ años de experiencia en roles de Data Science o ML en entornos productivos.
• Dominio de Python científico (pandas, scikit-learn, numpy). SQL avanzado.
• Modelos: Regresión (lineal, Ridge, Lasso, XGBoost/LightGBM), clasificadores (RF, GBM, logística), sistemas de recomendación.
• CI/CD: Conocimiento general de pipelines de integración continua; experiencia empaquetando modelos con Docker y desplegando vía GitHub Actions, GitLab CI o similar.
• Experiencia con herramientas de tracking de experimentos: MLflow, W&B o similar.
• Capacidad de comunicar resultados de modelos a stakeholders no técnicos

Valorables:

• Experiencia en retail, travel, e-commerce o industrias con pricing dinámico.
• Conocimiento de frameworks de orquestación de datos (Airflow, Prefect).
• Familiaridad con plataformas cloud: GCP (BigQuery, Vertex AI), AWS (SageMaker) o Azure ML.
• Experiencia con feature stores (Feast, Tecton) o arquitecturas de datos en tiempo real (Kafka, Flink). xqziphu
• Conocimientos de A/B testing y experimentación online para validación de modelos en producción.