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.
TECDATA ENGINEERING
