Machine Learning Engineer / MLOps Engineer – GCP y Python

Ubicación: Las Rozas, Madrid (Calle Jacinto Benavente) Modalidad: Híbrida, con asistencia a oficina 1 día a la semana. Descripción del puesto Desde Tecdata Engineering buscamos un/a Machine Learning Engineer especializado/a en Google Cloud Platform (GCP), Python y MLOps para incorporarse a un proyecto de Grupo DIA. Buscamos un perfil técnico con experiencia en el desarrollo de modelos predictivos, procesamiento de grandes volúmenes de datos e industrialización de soluciones de Machine Learning en entornos productivos. La persona seleccionada participará en el diseño, desarrollo y optimización de pipelines de datos y modelos, garantizando su escalabilidad, eficiencia y mantenibilidad. Funciones principales Diseñar, desarrollar y optimizar soluciones de Machine Learning sobre Google Cloud Platform. Trabajar con Vertex AI para la creación de pipelines, gestión del ciclo de vida de los modelos, Model Registry, Workbench y despliegues en producción. Desarrollar código avanzado en Python siguiendo buenas prácticas de ingeniería de software, modularidad, desacoplamiento y testing. Diseñar y entrenar modelos predictivos con algoritmos como LightGBM, XGBoost, CatBoost u otros similares. Procesar y analizar grandes volúmenes de datos, trabajando con datasets de millones de registros. Construir y mantener pipelines automatizados de entrenamiento e inferencia, optimizando los procesos ETL/ELT. Industrializar modelos mediante prácticas MLOps, incluyendo versionado, reproducibilidad, automatización y monitorización. Implementar procesos CI/CD y gestionar entornos de ejecución mediante Docker y herramientas como GitHub Actions o GitLab CI. Optimizar el rendimiento de consultas y procesos de datos utilizando BigQuery. Colaborar con equipos técnicos aplicando metodologías de desarrollo, revisiones de código y control de versiones. Requisitos imprescindibles Experiencia sólida y demostrable con Google Cloud Platform (GCP) , especialmente Vertex AI y BigQuery. Nivel avanzado de Python , con experiencia en desarrollo de código modular, testeable y preparado para ejecuciones concurrentes. Experiencia desarrollando modelos de Machine Learning con algoritmos como LightGBM, XGBoost, CatBoost o similares. Experiencia trabajando con grandes volúmenes de datos y optimizando tiempos de entrenamiento e inferencia. Experiencia en MLOps , llevando modelos desde entornos experimentales hasta producción. Conocimientos prácticos de Docker, CI/CD y automatización de despliegues. Experiencia construyendo pipelines de datos eficientes para procesos de entrenamiento e inferencia. Buenas prácticas de ingeniería de software: Git, testing automatizado, code reviews y gestión de dependencias. Requisitos valorables Experiencia en forecasting y series temporales, especialmente en previsión de demanda con un elevado número de productos o entidades. Conocimientos sobre estacionalidad, promociones, eventos y estrategias de cold-start para nuevos productos. Experiencia con arquitecturas modernas de Deep Learning para series temporales: Temporal Fusion Transformer (TFT), TiDE, PatchTST, TimesFM, Chronos o Transformers. Conocimientos de IA Generativa, LLMOps, RAG, agentes, evaluación de modelos y observabilidad. Experiencia optimizando hiperparámetros con Optuna, Ray Tune o herramientas similares. Conocimientos de paralelización del entrenamiento, optimización de inferencia y reducción de costes computacionales.