Machine Learning Engineer

Capitole; Nava; Presencial; EUR 60.000 - 90.000; Jornada completa

Descripción de la vacante

Capitole busca un Ingeniero/a de ML para diseñar, entrenar y desplegar modelos predictivos orientados a precios dinámicos y personalización de ofertas. Trabajarás en entornos retail de alto volumen, gestionando todo el ciclo de vida de modelos desde exploración hasta producción.

Se requiere dominio de Python (pandas, scikit-learn, numpy), SQL avanzado y experiencia con pipelines de CI/CD. Incidirás en la interpretación de resultados para stakeholders y la mejora continua de modelos en un entorno

Formación

• 5+ años de experiencia en Data Science o ML en entornos productivos.
• Dominio de Python científico (pandas, scikit-learn, numpy) y SQL avanzado.
• Modelos: Regresión, clasificación y sistemas de recomendación.

Responsabilidades

• 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 en problemas formales de ML.
• Documentación de metodología, decisiones de modelado y resultados para audiencias técnicas y no técnicas.
• Participación en code reviews y definición de estándares del equipo de datos.

Conocimientos

Python

Pandas

scikit-learn

NumPy

SQL

Comunicación

Herramientas

Docker

GitHub Actions

GitLab CI

MLflow

Weights & Biases

Descripción del empleo

Machine Learning Engineer - Capitole • Pamplona, Comunidad Foral de Navarra, Spain

Buscamos un/a. ¿Tiene lo que se necesita para triunfar? La siguiente información debe ser leída atentamente por todos los candidatos.

Data Scientist / ML Engineer.

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). xkdbapo
• Conocimientos de A/B testing y experimentación online para validación de modelos en producción.