Machine learning Engineer

📍 Ubicación: España 🏢 Modalidad: Remoto 💼 Posición: ML Engineer 🧩 Experiencia: Senior ☁️ Entorno: Google Cloud Platform 🚀 Especialización: MLOps / Industrialización de modelos 🎯 Misión Buscamos 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.