Machine Learning Engineer

Antal International Network; Madrid; Presencial; Confidencial; Jornada completa

Descripción de la vacante

Una empresa de consultoría tecnológica busca un/a Machine Learning Engineer con experiencia en entornos industriales. La persona seleccionada gestionará todo el ciclo de modelos, optimizando procesos y personalizando ofertas en un entorno GCP. Se requiere formación en áreas relacionadas, experiencia mínima de 3 años en ML y Data Science, y habilidades en Python y PySpark. Se valorará experiencia en monitorización de modelos y un alto nivel de inglés.

Formación

• Experiencia mínima de 3 años en ML y Data Science.
• Sólidos fundamentos en clasificación, regresión y métricas.
• Desarrollo de modelos utilizando Python y sus librerías.
• Manejo de datos grandes en entornos distribuidos.
• Conocimientos prácticos en Google Cloud Platform.

Responsabilidades

• Desarrollar modelos de ML enfocados en impacto de negocio.
• Liderar el ciclo completo de proyectos E2E.
• Construir y mantener pipelines robustos.
• Coordinar con proveedores asegurando calidad técnica.
• Garantizar correcta documentación y sostenibilidad.

Conocimientos

Proactividad

Autonomía

Orientación a negocio

Fundamentos en ML y Data Science

Desarrollo de modelos en Python

Manejo de datos con PySpark

MLOps

Orquestación con Apache Airflow

Conocimientos en Google Cloud Platform

Educación

Ingeniería Informática

Matemáticas

Estadística

Máster o PhD en ML

Herramientas

Apache Airflow

PySpark

Numpy

Pandas

Scikit-Learn

Descripción del empleo

Estamos buscando un/a Machine Learning Engineer con experiencia en entorno industrial, visión de negocio y una sólida base técnica para diseñar, desarrollar y llevar a producción soluciones avanzadas de ML dentro del área de Data Science.

La persona seleccionada será responsable del ciclo completo de los modelos (E2E) en un entorno basado en Google Cloud Platform (GCP), contribuyendo a resolver retos de negocio como optimización de procesos, forecast de demanda o personalización de oferta, transformando datos en impacto real y medible.

Responsabilidades principales

• Desarrollo de modelos de ML: Diseño, entrenamiento y validación de modelos para casos de uso de series temporales, clasificación, regresión y optimización, siempre con foco en impacto de negocio.

• Gestión E2E de proyectos: Liderar el ciclo completo, desde la comprensión de la necesidad y el análisis de datos hasta la puesta en producción y mantenimiento. Buscamos perfiles con mentalidad de ownership sobre los modelos y sistemas que construyen.

• Industrialización y orquestación: Construcción y mantenimiento de pipelines robustos usando herramientas como Apache Airflow dentro del ecosistema GCP.

• Colaboración con proveedores: Supervisar y coordinar entregables de equipos externos, asegurando calidad técnica y correcta industrialización de las soluciones.

• Documentación y escalabilidad: Garantizar la correcta documentación, sostenibilidad y evolución de las soluciones implementadas.

Requisitos

• Formación universitaria en Ingeniería Informática, Matemáticas, Estadística o áreas afines. Se valorarán Máster o PhD en ML, Data Science, IA o Big Data.

• Perfil proactivo, autónomo y orientado a negocio, capaz de entender procesos y alinearse con objetivos estratégicos.

• Mínimo 3 años de experiencia demostrable en:

  • Fundamentos sólidos de ML y Data Science (clasificación, regresión, métricas, pipelines, dataset engineering, estadística).

  • Desarrollo de modelos en Python y librerías principales (Numpy, Pandas, Scikit-Learn, etc.).

  • Manejo de grandes volúmenes de datos con PySpark en entornos distribuidos (Dataproc, EMR, Databricks u otros).

  • MLOps y puesta en producción de modelos.

  • Orquestación de workflows con Apache Airflow.

  • Conocimientos prácticos del ecosistema Google Cloud Platform, especialmente BigQuery, Cloud Dataproc y Vertex AI.

Se valorará positivamente

• Experiencia en monitorización y observabilidad de modelos.

• Participación en proyectos de industrialización en grandes organizaciones, preferentemente en Retail.

• Conocimientos en sistemas de recomendación y modelos de ranking (LTR).

• Teoría y práctica de deep learning (PyTorch).

• Familiaridad con metodologías ágiles (Scrum, Kanban).

• Nivel alto de inglés.