Machine Learning Engineer

Capitole; País Vasco; Presencial; EUR 60.000 - 90.000; Jornada completa

Descripción de la vacante

Capitole en País Vasco busca un Data Scientist / ML Engineer con experiencia en IA tradicional para diseñar, entrenar y poner en producción modelos de pricing dinámico y personalización.

La función implica el desarrollo de pipelines CI/CD, automatización, monitorización de métricas y colaboración con stakeholders para traducir requerimientos de negocio en soluciones ML robustas.

Formación

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

Responsabilidades

• Diseñar y entrenar modelos para pricing dinámico, personalización y forecast de demanda.
• Poner en producción modelos mediante pipelines CI/CD y monitorizar drift.
• Desarrollar sistemas de recomendación y elasticidad de precio.
• Gestionar ciclo de vida de modelos: versionado y retraining periódico.
• Conectar outputs con sistemas de negocio y auditar resultados para stakeholders.
• Realizar code reviews y definir estándares del equipo de datos.
• Documentar metodología y decisiones de modelado.

Herramientas

Docker

MLflow

W&B

GitHub Actions

GitLab CI

BigQuery

SQL

Descripción del empleo

Descripción del trabajo

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, precision@k) 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).
• Conocimientos de A/B testing y experimentación online para validación de modelos en producción.