ML Engineer – Forecasting, Optimización y MLOps

Buscamos un/a ML Engineer con experiencia en productivización de modelos de Machine Learning, previsión de demanda (Forecasting) y modelos de optimización para incorporarse a un proyecto del sector bancario.

La persona participará en la industrialización de modelos ya desarrollados, trabajando para llevarlos a entornos productivos con garantías de robustez, escalabilidad, trazabilidad y mantenibilidad.

El objetivo principal será transformar modelos analíticos en soluciones preparadas para producción, colaborando en la mejora de modelos de previsión de demanda basados en series temporales y modelos de optimización aplicados a la toma de decisiones operativas.

Responsabilidades

• Productivizar modelos de Machine Learning existentes, adaptándolos a los estándares técnicos y operativos del entorno bancario.

• Analizar y mejorar modelos de forecasting y previsión de demanda basados en series temporales.

• Diseñar y adaptar pipelines de entrenamiento, inferencia y generación de predicciones.

• Trabajar con entornos Azure Databricks y PySpark.

• Evaluar estrategias de reentrenamiento, actualización de modelos y persistencia de artefactos.

• Participar en la optimización de modelos y decisiones operativas, incluyendo la optimización de denominaciones.

• Integrar modelos con MLflow y herramientas corporativas de gobierno y despliegue.

• Aplicar buenas prácticas MLOps: versionado, testing, CI/CD, monitorización y trazabilidad.

• Diagnosticar incidencias en producción y realizar análisis de causa raíz.

• Colaborar con equipos de Data Engineering, Data Science, Plataforma y Negocio.

• Documentar soluciones, decisiones técnicas y procedimientos operativos.

Requisitos imprescindibles

• Entre 2 y 5 años de experiencia en Machine Learning, MLOps, Data Science Engineering o posiciones similares.

• Experiencia real llevando modelos de Machine Learning a producción.

• Experiencia con forecasting, series temporales o modelos de previsión de demanda.

• Conocimientos aplicados de modelos de optimización, programación matemática o heurísticas.

• Python avanzado aplicado a Machine Learning y productivización.

• Conocimientos de Machine Learning supervisado y validación de modelos.

• SQL para consulta, transformación y validación de datos.

• Experiencia con PySpark / Apache Spark.

• Experiencia con Azure Databricks o plataformas analíticas equivalentes.

• Experiencia con MLflow o herramientas similares de gestión y seguimiento de modelos.

• Git y herramientas de CI/CD como Jenkins o GitHub Actions.

• Buenas prácticas de desarrollo: modularización, testing, logging, control de errores y documentación.

• Titulación universitaria en Ingeniería Informática, Matemáticas, Estadística, Física, Data Science o similar.

• Español fluido e inglés técnico.