MLOps Engineer

Q-Tech; Bellprat; Presencial; EUR 70.000 - 110.000; Jornada completa

Descripción de la vacante

Q-Tech busca un/a Ingeniero/a MLOps para ampliar su Plataforma de ML interna que soporta equipos de IA en una empresa marketplace con sede en Barcelona. Trabajarás con Kubernetes, Docker y cloud para desplegar y operar modelos a gran escala en un entorno multi-equipo.

Aportarás experiencia en pipelines de CI/CD, observabilidad y herramientas de orquestación como Airflow o Kubeflow, contribuyendo a un ciclo de vida completo de ML y mejorando la fiabilidad y reproducibilidad en toda la

Formación

• Experiencia sólida como MLOps Engineer, ML Platform Engineer o Infrastructure Engineer, idealmente a nivel senior.
• Experiencia práctica con Kubernetes y Docker en entornos de producción.
• Buen conocimiento de AWS o de otro proveedor cloud relevante.
• Experiencia construyendo y manteniendo pipelines de CI/CD.
• Comprensión sólida del ciclo de vida completo del ML (entrenamiento, validación, despliegue, monitorización, reentrenamiento).
• Experiencia diseñando herramientas o infraestructura interna de la que dependen otros equipos de ingeniería.
• Buenos fundamentos de ingeniería de software y capacidad de escribir código de calidad de producción.
• Buenas habilidades de comunicación para trabajar con múltiples equipos de ML e ingeniería.
• Experiencia con herramientas de orquestación o workflows como Airflow o Kubeflow.
• Experiencia con MLflow o herramientas similares de experiment tracking / model registry.
• Experiencia con herramientas de despliegue GitOps como ArgoCD.
• Familiaridad con feature stores y frameworks de model serving.
• Experiencia implementando observabilidad, monitorización o detección de drift de datos y modelos.
• Experiencia previa en empresas de marketplace, e-commerce o consumer tech de alto crecimiento.
• Experiencia dando soporte a múltiples equipos de datos/ML a gran escala.

Responsabilidades

• Construir y evolucionar la Plataforma de ML interna que soporta a todos los equipos de ML.
• Mejorar la automatización de todo el ciclo de vida del ML (entrenamiento, validación, despliegue, monitorización y reentrenamiento).
• Diseñar infraestructura y herramientas internas para que los equipos de ML trabajen más rápido, con mayor fiabilidad y reproducibilidad.

Conocimientos

Kubernetes

Docker

AWS

CI/CD pipelines

ML lifecycle

Software engineering fundamentals

Observability

Airflow

Kubeflow

ArgoCD

MLflow

Herramientas

Airflow

Kubeflow

ArgoCD

GitHub Actions

MLflow

Docker

Descripción del empleo

La empresa es un marketplace de segunda mano consolidado, con sede en Barcelona y operaciones en España, Italia y Portugal. Recientemente pasó a formar parte de un gran grupo tecnológico internacional, que está invirtiendo de forma significativa en áreas como IA, búsqueda, personalización, publicidad e ingeniería de plataformas para acelerar su crecimiento, manteniendo intactos la marca, el producto, el liderazgo y la cultura de ingeniería local.

El Machine Learning está en el núcleo del producto: cada día la plataforma necesita entender millones de productos, imágenes, búsquedas, interacciones de usuarios y comportamientos del marketplace. El ML impulsa la búsqueda y ranking, las recomendaciones, la visión por computador, la confianza y seguridad, el pricing, la publicidad y la personalización, y cada uno de estos ámbitos cuenta con sus propios modelos y requisitos operativos.

Este rol no consiste en desarrollar modelos para un caso de uso concreto. La persona seleccionada ayudará a construir y evolucionar la Plataforma de Machine Learning interna que da soporte a todos los equipos de ML de la compañía, proporcionando la infraestructura, las herramientas y la automatización que permite a esos equipos desarrollar, entrenar, desplegar y operar modelos de forma eficiente y a gran escala. El impacto es muy transversal: cada mejora en la plataforma beneficia a todos los equipos de ML a la vez.

En el día a día, el rol se organiza en torno a tres áreas: ayudar a construir y evolucionar la Plataforma de ML utilizada por todos los equipos de IA; mejorar la automatización de todo el ciclo de vida del ML (entrenamiento, validación, despliegue, monitorización y reentrenamiento); y diseñar infraestructura y herramientas internas que permitan a los equipos de ML trabajar más rápido, con mayor fiabilidad y reproducibilidad. Es un entorno cloud-native construido sobre Kubernetes, Docker, AWS, Airflow, Kubeflow, MLflow, GitHub Actions, ArgoCD y herramientas de observabilidad y monitorización.

Requisitos básicos

• Experiencia sólida como MLOps Engineer, ML Platform Engineer o Infrastructure Engineer, idealmente a nivel senior.
• Experiencia práctica con Kubernetes y Docker en entornos de producción.
• Buen conocimiento de AWS o de otro proveedor cloud relevante.
• Experiencia construyendo y manteniendo pipelines de CI/CD.
• Comprensión sólida del ciclo de vida completo del ML (entrenamiento, validación, despliegue, monitorización, reentrenamiento).
• Experiencia diseñando herramientas o infraestructura interna de la que dependen otros equipos de ingeniería.
• Buenos fundamentos de ingeniería de software y capacidad de escribir código de calidad de producción.
• Buenas habilidades de comunicación para trabajar con múltiples equipos de ML e ingeniería.
• Experiencia con herramientas de orquestación o workflows como Airflow o Kubeflow.
• Experiencia con MLflow o herramientas similares de experiment tracking / model registry.
• Experiencia con herramientas de despliegue GitOps como ArgoCD.
• Familiaridad con feature stores y frameworks de model serving.
• Experiencia implementando observabilidad, monitorización o detección de drift de datos y modelos.
• Experiencia previa en empresas de marketplace, e-commerce o consumer tech de alto crecimiento.
• Experiencia dando soporte a múltiples equipos de datos/ML a gran escala.

Aquí estamos

Cuándo
y como quieras