MLOps Engineer|Databricks| MLflow | Remoto 100%

Cobser Consulting; Palma de Mallorca; A distancia; EUR 50.000; Jornada completa

Descripción de la vacante

Una consultora de tecnología busca un ML Engineer para trabajar en un proyecto multinacional. El rol incluye la implementación y operación de pipelines de ML, optimización de rendimiento en entornos de kubernetes, y gestión integral con herramientas como Databricks y Docker. Se ofrece un salario de 50.000 € anuales en función de la experiencia y un contrato indefinido, con modalidad remota.

Formación

• Experiencia en implementación y operación de pipelines de ML.
• Conocimientos en gestión de entornos con Kubernetes y Docker.
• Titulación en ingeniería o afines valorada.

Responsabilidades

• Apoyo en la implementación de pipelines de ML.
• Optimización del rendimiento y escalabilidad de agentes inteligentes.
• Gestión de entornos de inferencia y logging.

Conocimientos

Administración experta de Databricks Mosaic AI

Diseño y despliegue de pipelines Agentic AI

Seguimiento integral con MLflow y Grafana

Orquestación con Kubernetes

Gestión de recursos con Docker

Infraestructura como código con 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.