Senior Machine Learning Engineer / Mlops Engineer

Grupo Tecdata Engineering; Valencia; Presencial; EUR 55.000 - 75.000; Jornada completa

Descripción de la vacante

Grupo Tecdata Engineering busca un Data Scientist / ML Engineer con sólida experiencia en IA tradicional para diseñar, entrenar y mantener modelos predictivos orientados a pricing dinámico y forecast de demanda en entornos retail de alto volumen.

Se espera dominio del ciclo completo de un modelo: análisis, ingeniería de features y despliegue en producción mediante pipelines de CI/CD, asegurando entregas a sistemas de negocio y métricas clave.

Formación

• 5+ años de experiencia en Data Science o ML en entornos productivos.
• Dominio de Python — pandas, scikit-learn — y SQL avanzado.
• Experiencia en CI/CD y despliegue de modelos con Docker y GitHub Actions o similares.
• Conocimiento de herramientas de seguimiento de experimentos (MLflow, W&B).
• Capacidad de comunicar resultados de modelos a stakeholders no técnicos.
• Experiencia en retail, travel, e-commerce o industrias con pricing dinámico.

Responsabilidades

• Diseño y entrenamiento de modelos de regresión para forecast de demanda y elasticidad de precio.
• Gestión del ciclo de vida de modelos: versionado, retraining periódico y monitorización de drift.
• Integración en pipelines de CI/CD (GitHub Actions, GitLab CI o similar).
• Monitorización de métricas de negocio y métricas técnicas (RMSE, AUC, precision@k) post-despliegue.
• Traducción de requisitos de negocio (pricing managers, category managers) en problemas formales de ML.
• Documentación clara de metodología, decisiones de modelado y resultados para audiencias técnicas y no técnicas.
• Participación en code reviews y en la definición de estándares del equipo de datos.

Conocimientos

Python

SQL

CI/CD

Docker

MLflow

W&B

Comunicación

Herramientas

GitHub Actions

GitLab CI

BigQuery

Vertex AI

Airflow

Kafka

Descripción del empleo

Buscamos un/a Data Scientist / ML Engineer con sólida experiencia en IA tradicional para incorporarse a un equipo de datos en expansión. La persona seleccionada será responsable de diseñar, entrenar y poner en producción modelos predictivos orientados a pricing dinámico, personalización de oferta y forecast de demanda en entornos retail de alto volumen.

El rol requiere dominio del ciclo completo de un modelo: desde el análisis exploratorio y la ingeniería de features hasta el despliegue en producción mediante pipelines de CI/CD, garantizando que los outputs lleguen a los sistemas de negocio en tiempo y forma.

Responsabilidades principales:

• Diseño y entrenamiento de modelos de regresión para forecast de demanda y elasticidad de precio.
• Gestión del ciclo de vida de modelos: versionado, retraining periódico y monitorización de drift.
• Integración en pipelines de CI/CD (GitHub Actions, GitLab CI o similar): testing, validación automática y promoción a producción.
• Monitorización de métricas de negocio y métricas técnicas (RMSE, AUC, precision@k) post-despliegue.
• Traducción de requisitos de negocio (pricing managers, category managers) en problemas formales de ML.
• Documentación clara de metodología, decisiones de modelado y resultados para audiencias técnicas y no técnicas.
• Participación en code reviews y en la definición de estándares del equipo de datos.

Requisitos imprescindibles:

• 5+ años de experiencia en roles de Data Science o ML en entornos productivos.
• Dominio de Python científico (pandas, scikit-learn, numpy). SQL avanzado.
• CI/CD: Conocimiento general de pipelines de integración continua; experiencia empaquetando modelos con Docker y desplegando vía GitHub Actions, GitLab CI o similar.
• Experiencia con herramientas de tracking de experimentos: MLflow, W&B o similar.
• Capacidad de comunicar resultados de modelos a stakeholders no técnicos
• Experiencia en retail, travel, e-commerce o industrias con pricing dinámico.
• Conocimiento de frameworks de orquestación de datos (Airflow, Prefect).
• Familiaridad con plataformas cloud: GCP (BigQuery, Vertex AI), AWS (SageMaker) o Azure ML.
• Experiencia con feature stores (Feast, Tecton) o arquitecturas de datos en tiempo real (Kafka, Flink).
• Conocimientos de A/B testing y experimentación online para validación de modelos en producción.