JobCubby JobCubby
Sign up
TECDATA ENGINEERING

Machine Learning Engineer / MLOps – GCP

TECDATA ENGINEERING Madrid, Community of Madrid, Spain

IT Services and IT Consulting · 201-500 employees

3 h ago
machine-learning Senior (5-10 yrs) Full-time Spain
Log in to apply, save this posting, or score it against your profile with AI.

About the role

The role involves industrializing machine learning models by moving them from experimentation to production environments. You will be responsible for building data pipelines, managing model deployments, and optimizing training and inference processes.

What they look for

GCP Vertex AI Python Machine Learning MLOps BigQuery Data Engineering Docker CI/CD GitHub Actions GitLab CI Forecasting Deep Learning LLMOps ETL/ELT Software Engineering

Requirements

Candidates must have solid experience with GCP, Vertex AI, and advanced Python programming for modular software development. Strong expertise in machine learning model development, MLOps practices, and large-scale data processing is essential.

Full description

📍 Ubicación: Las Rozas, Madrid – Calle Jacinto Benavente 🏢 Modalidad: Híbrida, 1 día presencial por semana 💼 Proyecto: Machine Learning / MLOps / Data Engineering

Buscamos un/a Machine Learning Engineer / MLOps con experiencia sólida en GCP, Python, industrialización de modelos y grandes volúmenes de datos, capaz de llevar modelos desde la experimentación hasta producción.

🔥 Requisitos imprescindibles

☁️ GCP / Vertex AI

  • Experiencia sólida y demostrable con Vertex AI.
  • Vertex AI Pipelines, Model Registry y Workbench.
  • Despliegue y gestión de modelos en producción.
  • Experiencia avanzada con BigQuery: optimización de consultas, procesamiento distribuido y conectores externos.

🐍 Python / Software Engineering

  • Nivel avanzado de Python.
  • Desarrollo de código modular, desacoplado, mantenible y testeable.
  • Programación concurrente.
  • Git, testing automatizado, code reviews y gestión de dependencias.

🤖 Machine Learning

  • Desarrollo de modelos predictivos sobre millones de registros.
  • Experiencia con LightGBM, XGBoost, CatBoost o similares.
  • Optimización de entrenamiento e inferencia.

⚙️ MLOps

  • Industrialización de modelos desde notebooks/Workbench hasta producción.
  • Pipelines automatizados.
  • Versionado de modelos.
  • Despliegues reproducibles.
  • Monitorización de modelos.

🔄 DevOps

  • Docker.
  • CI/CD: GitHub Actions, GitLab CI o similares.
  • Automatización de despliegues y gestión de entornos ML.

📊 Data Engineering

  • Construcción de pipelines de datos para entrenamiento e inferencia.
  • Optimización de procesos ETL/ELT.
  • Gestión y procesamiento de grandes volúmenes de datos.

⭐ Se valorará especialmente

  • Experiencia en Forecasting / Series Temporales.
  • Previsión de demanda con alta cardinalidad.
  • Estacionalidades, promociones y eventos.
  • Estrategias cold-start.
  • Deep Learning aplicado a forecasting: TFT, TiDE, PatchTST, TimesFM, Chronos, Transformers.
  • GenAI / LLMOps: RAG, agentes, evaluación de modelos, prompt engineering y observabilidad.
  • Optimización de hiperparámetros con Optuna, Ray Tune o similares.
  • Paralelización de entrenamiento y optimización de inferencia.
  • Optimización de costes computacionales.

Similar roles