MLOps Engineer|Databricks| MLflow | Remoto 100%

Cobser Consulting; Pamplona; A distancia; EUR 50.000; Jornada completa

Descripción de la vacante

Una empresa de consultoría busca 3 ML Engineers para el sector bancario. Las responsabilidades incluyen la implementación de pipelines de machine learning y la optimización de su rendimiento. Se requiere experiencia en Databricks, Kubernetes, y herramientas de seguimiento como MLflow. Se ofrece un contrato indefinido y un salario de hasta 50.000 € brutos anuales, según la experiencia.

Formación

• Experiencia en administración de soluciones de inteligencia artificial y machine learning.
• Conocimientos de orquestación y gestión de proyectos de ML.
• Habilidad en la implementación de soluciones en la nube.

Responsabilidades

• Apoyar en la implementación y operación de pipelines de ML.
• Diseñar y desplegar entornos de trabajo para agentes inteligentes.
• Gestionar el rendimiento y escalabilidad de los sistemas.

Conocimientos

Administración de Databricks Mosaic AI

Diseño de pipelines de Agentic AI

Seguimiento con MLflow, Prometheus y Grafana

Orquestación con Kubernetes

Gestión de Docker y CI/CD

Implementación de 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.