MLOps Engineer|Databricks| MLflow | Remoto 100%

Cobser Consulting; Valladolid; A distancia; EUR 50.000 - 70.000; Jornada completa

Descripción de la vacante

Una consultora tecnológica busca un ML Engineer para apoyar en la implementación y operación de pipelines de ML y optimizar su rendimiento. Este rol incluye tareas como la administración de Databricks y la orquestación de entornos de inferencia con Kubernetes. Se valorará la experiencia en gestión de contenedores Docker y en infraestructura como código. Se ofrece un contrato indefinido con un salario de 50.000 € anuales, basado en la experiencia.

Formación

• Experiencia en implementación y operación de pipelines de ML.
• Habilidad para optimizar el rendimiento y escalabilidad de sistemas de ML.
• Experiencia en gestión de recursos en contenedores.

Responsabilidades

• Administrar entornos de Databricks y garantizar su robustez.
• Diseñar y desplegar pipelines de ML.
• Realizar el seguimiento del desempeño usando herramientas de logging.
• Orquestar entornos de inferencia de manera eficiente.
• Gestionar sistemas multi-agente y recursos.

Conocimientos

Administración de Databricks Mosaic AI

Diseño de pipelines Agentic AI

Gestión con MLflow

Orquestación con Kubernetes

Contenedores Docker

Infraestructura como código

Herramientas

Terraform

Prometheus

Grafana

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.