MLOps Engineer|Databricks| MLflow | Remoto 100%

Cobser Consulting; Málaga; A distancia; EUR 50.000 - 58.000; Jornada completa

Descripción de la vacante

Una consultora de tecnología busca un Ingeniero ML para trabajar en proyectos de banca. El rol involucra la implementación y operación de pipelines de ML, con un enfoque en optimización y escalabilidad. Se requiere experiencia en Databricks y Kubernetes. Ofrecemos un contrato indefinido con un salario de 50.000 € anuales, sujeto a la experiencia. Posibilidad de trabajo remoto.

Formación

• Experiencia en administración de Databricks y pipelines de ML.
• Capacidad para gestionar entornos de inferencia y recursos multi-agente.
• Conocimiento de infraestructura como código y CI/CD.

Responsabilidades

• Implementar y operar pipelines de ML optimizando rendimiento.
• Diseñar y gestionar el ciclo de vida de agentes inteligentes.
• Realizar seguimiento de desempeño y logging en plataformas analíticas.

Conocimientos

Administración de Databricks Mosaic AI

Diseño de pipelines de Agentic AI

Seguimiento con MLflow

Orquestación con Kubernetes

Gestión de contenedores Docker

Infraestructura como código (Terraform)

Descripción del empleo

📍 Remoto | 🌍 Proyecto Multinacional

📄 Contrato indefinido

💰 Salario : 50.000 € b / A en función de experiencia aportada

Sector Banca

En Cobser Consulting, tenemos la necesidad de cubrir para cliente bancario el siguiente rol :

🔐Rol : ML Engineer (3 vacantes)

Apoyo en la implementación y operación de pipelines de ML y agentes inteligentes, optimizando su rendimiento y escalabilidad :

• Administración experta de Databricks Mosaic AI , asegurando entornos robustos y confiables.
• Diseño y despliegue de pipelines Agentic AI, gestionando todo el ciclo de vida de los agentes.
• Seguimiento integral de desempeño y logging con MLflow, Prometheus y Grafana.
• Orquestación de entornos de inferencia con Kubernetes , Jobs y Workflows en Databricks.
• Gestión eficiente de sistemas multi-agente y recursos, con contenedores Docker y CI / CD automatizado.
• Implementación de infraestructura como código ( Terraform, ARM templates ) para despliegues reproducibles y escalables.