ML Engineer – Forecasting, Optimización y MLOps

TECDATA ENGINEERING; United States; Remote; USD 90,000 - 150,000; Full time

Job summary

Tecdata busca un ML Engineer con experiencia para transformar modelos analíticos en soluciones listas para producción en el sector bancario. El rol implica industrialización de modelos, desarrollo de pipelines de entrenamiento e inferencia y colaboración con Data Science y Data Engineering.

Se valorará dominio de Python, PySpark, Azure Databricks y prácticas MLOps. El candidato trabajará en entornos de producción, garantindo trazabilidad y escalabilidad, con foco en robustez de pipelines y

Qualifications

• 2–5 años de experiencia en ML, MLOps o Data Science Engineering.
• Experiencia real llevando modelos de ML a producción.
• Experiencia con forecasting/series temporales y/o previsión de demanda.
• Conocimientos de modelos de optimización, programación matemática o heurísticas.
• Python avanzado aplicado a ML y productivización.
• Conocimientos de ML supervisado y validación de modelos.
• SQL para manipulación y validación de datos.
• Experiencia con PySpark / Apache Spark.
• Experiencia con Azure Databricks u plataformas analíticas equivalentes.
• Experiencia con MLflow u herramientas de gestión de modelos.
• Git y herramientas de CI/CD (Jenkins/GitHub Actions).
• Buenas prácticas de desarrollo: modularización, testing, logging, manejo de errores y documentación.
• Titulación universitaria en Ingeniería Informática, Matemáticas, Estadística, Física, Data Science o similar.
• Español fluido e inglés técnico.

Responsibilities

• Productivizar modelos de ML existentes adaptándolos a estándares del entorno bancario.
• Analizar y mejorar modelos de forecasting y series temporales.
• Diseñar y adaptar pipelines de entrenamiento, inferencia y generación de predicciones.
• Trabajar con Azure Databricks y PySpark.
• Evaluar estrategias de reentrenamiento y persistencia de artefactos.
• Optimizar modelos y decisiones operativas, incluyendo denominaciones.
• Integrar modelos con MLflow y herramientas de gobierno y despliegue.
• Aplicar prácticas de MLOps: versionado, testing, CI/CD, monitorización y trazabilidad.
• Diagnosticar incidencias en producción y realizar análisis de causa raíz.
• Colaborar con Data Engineering, Data Science, Plataforma y Negocio.
• Documentar soluciones y procedimientos operativos.

Skills

Python avanzado para ML

ML Ops

Producción de modelos ML

Español fluido

Inglés técnico

Education

Título universitario en Ingeniería Informática / Matemáticas / Estadística / Data Science o similar

Tools

PySpark / Apache Spark

Azure Databricks

MLflow

Git

CI/CD (Jenkins / GitHub Actions)

Job description

Buscamos un/a ML Engineer con experiencia en productivización de modelos de Machine Learning, previsión de demanda (Forecasting) y modelos de optimización para incorporarse a un proyecto del sector bancario.

La persona participará en la industrialización de modelos ya desarrollados, trabajando para llevarlos a entornos productivos con garantías de robustez, escalabilidad, trazabilidad y mantenibilidad.

El objetivo principal será transformar modelos analíticos en soluciones preparadas para producción, colaborando en la mejora de modelos de previsión de demanda basados en series temporales y modelos de optimización aplicados a la toma de decisiones operativas.

Responsabilidades

• Productivizar modelos de Machine Learning existentes, adaptándolos a los estándares técnicos y operativos del entorno bancario.


• Analizar y mejorar modelos de forecasting y previsión de demanda basados en series temporales.


• Diseñar y adaptar pipelines de entrenamiento, inferencia y generación de predicciones.


• Trabajar con entornos Azure Databricks y PySpark.


• Evaluar estrategias de reentrenamiento, actualización de modelos y persistencia de artefactos.


• Participar en la optimización de modelos y decisiones operativas, incluyendo la optimización de denominaciones.


• Integrar modelos con MLflow y herramientas corporativas de gobierno y despliegue.


• Aplicar buenas prácticas MLOps: versionado, testing, CI/CD, monitorización y trazabilidad.


• Diagnosticar incidencias en producción y realizar análisis de causa raíz.


• Colaborar con equipos de Data Engineering, Data Science, Plataforma y Negocio.


• Documentar soluciones, decisiones técnicas y procedimientos operativos.

Requisitos imprescindibles

• Entre 2 y 5 años de experiencia en Machine Learning, MLOps, Data Science Engineering o posiciones similares.


• Experiencia real llevando modelos de Machine Learning a producción.


• Experiencia con forecasting, series temporales o modelos de previsión de demanda.


• Conocimientos aplicados de modelos de optimización, programación matemática o heurísticas.


• Python avanzado aplicado a Machine Learning y productivización.


• Conocimientos de Machine Learning supervisado y validación de modelos.


• SQL para consulta, transformación y validación de datos.


• Experiencia con PySpark / Apache Spark.


• Experiencia con Azure Databricks o plataformas analíticas equivalentes.


• Experiencia con MLflow o herramientas similares de gestión y seguimiento de modelos.


• Git y herramientas de CI/CD como Jenkins o GitHub Actions.


• Buenas prácticas de desarrollo: modularización, testing, logging, control de errores y documentación.


• Titulación universitaria en Ingeniería Informática, Matemáticas, Estadística, Física, Data Science o similar.


• Español fluido e inglés técnico.