Ubicación: España Modalidad: Remoto Posición: ML Engineer Experiencia: Senior Entorno: Google Cloud Platform Especialización: MLOps / Industrialización de modelos
Misión Busca un/a ML Engineer para industrializar, desplegar y mantener en producción los modelos de Machine Learning desarrollados por los equipos de Data Science. La persona se encargará de convertir los desarrollos analíticos en soluciones productivas, escalables, eficientes y monitorizadas, aplicando buenas prácticas de MLOps y Software Engineering.
Responsabilidades
- Industrializar modelos de Machine Learning para su despliegue en producción.
- Desplegar modelos como procesos batch o servicios sobre GCP.
- Trabajar con Vertex AI Pipelines y Airflow.
- Diseñar soluciones con alta disponibilidad y escalabilidad.
- Transformar código desarrollado por Data Scientists en código productivo, eficiente y mantenible.
- Aplicar buenas prácticas de ingeniería de software: Testing. Control de versiones. Modularidad. Calidad de código.
- Optimizar pipelines de Machine Learning.
- Optimizar procesos de almacenamiento y consulta de datos.
- Trabajar con técnicas como: Particionamiento. Vistas materializadas. Deltas. Optimización de almacenamiento.
- Construir y mantener workflows complejos y automatizados.
- Utilizar Airflow y Control-M para la planificación y ejecución de procesos.
- Implementar mecanismos de monitorización y alertas.
- Detectar data drift y degradación del rendimiento de los modelos.
- Optimizar el consumo de recursos en cloud.
- Mantener y dar soporte a modelos desplegados en producción.
- Atender directamente las incidencias 2N de los proyectos asignados.
Requisitos imprescindibles
- Experiencia sólida como ML Engineer / MLOps Engineer.
- Experiencia industrializando y desplegando modelos de Machine Learning.
- Experiencia avanzada en GCP.
- Vertex AI / Vertex AI Pipelines.
- Airflow.
- Experiencia desarrollando Python productivo.
- Buenas prácticas de Software Engineering.
- Testing y control de versiones.
- Experiencia optimizando pipelines.
- Experiencia con grandes volúmenes de datos y optimización de almacenamiento.
- Control-M.
- Experiencia en monitorización de modelos en producción.
- Conocimientos de data drift / model monitoring.
- Experiencia real trabajando con modelos productivos.
- Capacidad para resolver incidencias en entornos de producción.