Data Scientist (GCP)

Estamos ampliando nuestra Factoría de IA y buscamos un/a Data Scientist con experiencia en Google Cloud para desarrollar modelos con impacto real en negocio, trabajando con una arquitectura moderna basada en BigQuery, Dataflow, Pub/Sub y Vertex AI. Colaborarás con ML Engineering para llevar modelos a producción y exponerlos como servicios., * Convertir problemas de negocio en modelos medibles y útiles.

• Asegurar reproducibilidad, trazabilidad y calidad desde los datos hasta los resultados.
• Colaborar para que los modelos lleguen a producción con garantías., * Analizar datos en BigQuery, definir KPIs y criterios de éxito.
• Diseñar datasets y features reutilizables con Feature Store.
• Entrenar y comparar modelos en Vertex AI; ajustar hiperparámetros y validar resultados.
• Evaluar calidad técnica (ej. ROC-AUC, F1, RMSE) y valor de negocio (€).
• Explicar modelos con técnicas interpretables (SHAP, ICE, PDP).
• Colaborar en umbrales, AB testing y pilotos con negocio.
• Empaquetar entrenamientos en Pipelines y registrar artefactos en Model Registry.
• Definir métricas operativas y políticas de reentrenamiento.
• Documentar con model cards, fichas de datasets y notebooks claros.

• Datos: BigQuery (modelado, optimización y control de costes), Dataflow/Pub/Sub para pipelines y Feature Store para features consistentes.
• Modelos: Vertex AI (Workbench, Experiments, Pipelines, Model Registry, Endpoints/Batch) para entrenar, registrar y servir modelos.
• Exposición: Integración con Cloud Run + API Gateway junto al equipo de ML Engineering.
• Observabilidad y negocio: Métricas y cuadros de mando en Looker.
• Gobierno: CI/CD, IaC y prácticas alineadas a GDPR/EU AI Act., * 5-8+ años en Data Science con modelos reales en producción.
• Fuerte base en estadística y machine learning.
• Dominio de Python (pandas, scikit-learn; TF/PyTorch valorables) y SQL avanzado.
• Experiencia en BigQuery y optimización de costes.
• Trabajo real con Vertex AI (Workbench, Experiments, Pipelines, Model Registry).
• Conocimiento de Feature Store y ciclos train/serve.
• Colaboración con ML Engineering para despliegues en Endpoints/Batch y definición de SLOs.
• Buenas prácticas de datos, gobierno y cumplimiento (GDPR / EU AI Act).
• Conocimiento de Git y habilidades de comunicación orientadas a producto.