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.