ML Engineer | Forecasting & Mathematical Optimization

TECDATA ENGINEERING; United States; À distance; USD 120 000 - 180 000; Plein temps

Résumé du poste

Tecdata Engineering busca un/a Machine Learning Engineer para proyectos estratégicos en previsión de demanda, series temporales y optimización matemática. Se prioriza entrenamiento, validación y mejora de modelos, con foco en productividad y MLOps dentro de entornos corporativos.

Colaborarás con Data Science, Data Engineering y plataforma, implementando pipelines de entrenamiento e inferencia en Python, PySpark y Databricks, y gestionando modelos con MLflow.

Qualifications

• Experiencia 2–5 años en ML, data science o analítica.
• Titulación universitaria en Ingeniería Informática, Matemáticas, Física, Estadística o similar.
• Python avanzado aplicado a ML.
• Series temporales y forecasting.
• Optimización matemática y heurísticas.
• SQL para consulta y validación de datos.
• PySpark / Apache Spark.
• Azure Databricks o plataformas equivalentes.
• Git y desarrollo colaborativo.

Responsabilités

• Diseñar, entrenar, validar y optimizar modelos de ML supervisado.
• Desarrollar modelos de forecasting para demanda y series temporales.
• Evaluar rendimiento y proponer mejoras de precisión y estabilidad.
• Aplicar técnicas de optimización matemática para apoyar decisiones.
• Combinar modelos predictivos con modelos de optimización.
• Participar en la productivización y pipelines de entrenamiento e inferencia (Python, PySpark, Databricks).
• Trabajar con MLflow para tracking y gestión de modelos.
• Seguir buenas prácticas de testing, trazabilidad y monitorización.

Connaissances

Python avanzado

Series temporales

Forecasting

Optimización matemática

MLOps

Git

Databricks

PySpark

SQL

Azure Databricks

MLflow

Inglés técnico

Formation

Ingeniería Informática

Outils

PySpark

Databricks

MLflow

Azure Databricks

Git

Description du poste

¡En Tecdata Engineering buscamos un/a ML Engineer | Forecasting & Mathematical Optimization!

En Tecdata Engineering buscamos un/a Machine Learning Engineer para participar en un proyecto estratégico del sector bancario, colaborando en el desarrollo, análisis y mejora de modelos de Machine Learning orientados a la previsión de demanda, análisis de series temporales y optimización matemática.

Buscamos un perfil con una sólida base analítica y experiencia práctica en Machine Learning tradicional, especialmente en entrenamiento, validación y optimización de modelos predictivos. Participarás en un caso de uso de gestión de efectivo para una entidad bancaria de primer nivel como Santander.

La parte de productivización y MLOps también estará presente, aunque el foco principal estará en el conocimiento de modelos predictivos, series temporales y técnicas de optimización.

Responsabilidades principales

• Diseñar, entrenar, validar y optimizar modelos de Machine Learning supervisado.
• Desarrollar y analizar modelos de forecasting para la previsión de demanda mediante técnicas de análisis de series temporales.
• Evaluar el comportamiento de los modelos, analizar métricas de rendimiento y proponer mejoras en su precisión y estabilidad.
• Aplicar técnicas de optimización matemática, programación matemática y heurísticas para resolver problemas de negocio y apoyar la toma de decisiones operativas.
• Combinar modelos predictivos con modelos de optimización para mejorar la planificación y asignación de recursos.
• Analizar y mejorar modelos existentes, evaluando diferentes algoritmos, variables y estrategias de entrenamiento.
• Participar en la adaptación y productivización de modelos en entornos corporativos.
• Colaborar en la implementación de pipelines de entrenamiento e inferencia utilizando Python, PySpark y Databricks.
• Trabajar con herramientas de seguimiento, versionado y gestión de modelos como MLflow.
• Aplicar buenas prácticas de desarrollo, testing, trazabilidad y monitorización.
• Colaborar con equipos de Data Science, Data Engineering, Plataforma y Negocio.

Requisitos imprescindibles

• Entre 2 y 5 años de experiencia en Machine Learning, Data Science o desarrollo de soluciones analíticas.
• Titulación universitaria en Ingeniería Informática, Matemáticas, Física, Estadística, Data Science o similar.
• Experiencia sólida con Python avanzado aplicado a Machine Learning.
• Conocimientos prácticos de Machine Learning tradicional: entrenamiento, validación, selección y optimización de modelos.
• Experiencia con Series Temporales y Forecasting, especialmente en modelos de previsión de demanda.
• Conocimientos de Optimización Matemática, programación matemática, heurísticas o investigación operativa.
• Experiencia trabajando con modelos predictivos y análisis de métricas de rendimiento.
• Conocimientos de SQL para consulta, transformación y validación de datos.
• Experiencia con PySpark / Apache Spark.
• Conocimientos de Azure Databricks o plataformas analíticas equivalentes.
• Experiencia con Git y metodologías de desarrollo colaborativo.
• Español fluido e inglés técnico.

Conocimientos valorables

• Experiencia en banca, sector financiero, retail o gestión de operaciones.
• Experiencia combinando modelos de forecasting con modelos de optimización.
• Conocimientos de MLOps y productivización de modelos de Machine Learning.
• Experiencia con MLflow para tracking, registro y gestión de modelos.
• Conocimientos de CI/CD (Jenkins, GitHub Actions u otras herramientas).
• Experiencia migrando notebooks y modelos experimentales a entornos productivos.
• Conocimientos de monitorización, testing y gobierno de modelos.
• Experiencia utilizando herramientas de IA generativa como apoyo al desarrollo.

¿Qué ofrecemos?

• Participación en un proyecto estratégico para el sector bancario.
• Incorporación a un entorno tecnológico con retos reales de Machine Learning y optimización.
• Trabajo con tecnologías como Python, Machine Learning, Databricks, PySpark y MLflow.
• Desarrollo profesional en proyectos de Data Science e Inteligencia Artificial.

¿Te interesa trabajar en proyectos donde los modelos predictivos y la optimización matemática tienen un impacto directo en la toma de decisiones?

¡Queremos conocerte!