ML Forecasting & Optimization Engineer

Tecdata; United States; Remote; USD 120,000 - 180,000; Full time

Job summary

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.

Responsibilities

• 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.

Skills

Python avanzado

Series temporales

Forecasting

Optimización matemática

MLOps

Git

Databricks

PySpark

SQL

Azure Databricks

MLflow

Inglés técnico

Education

Ingeniería Informática

Tools

PySpark

Databricks

MLflow

Azure Databricks

Git

Job description

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.