> Markdown version of [/jobs/ext/1691355-google-cloud-ai-architect](https://www.wearedevelopers.com/jobs/ext/1691355-google-cloud-ai-architect). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Google Cloud AI Architect - **Company:** Devoteam - **Location:** Madrid, Spain - **Contract:** Apprenticeship - **Skills:** Artificial Intelligence, Airflow, BigQuery, Cloud Storage, Data Cleansing, Python (Programming Language), Machine Learning, Open Source Technology, Tensorflow, Google Cloud, Keras, Scikit Learn, Kubernetes, Data Management - **Published:** July 2, 2026 - **Apply:** https://es.indeed.com/viewjob?jk=8432cc93d94b56ca ## About the Role * Trabajo en equipo: Colaborar estrechamente con científicos de datos, ingenieros de software, arquitectos de soluciones y otros profesionales. * Comunicación efectiva: Presentar hallazgos y resultados a audiencias técnicas y no técnicas de manera clara y concisa. * Documentación: Mantener una documentación completa y actualizada de los proyectos de aprendizaje automático., * Conocimientos sólidos de aprendizaje automático: Dominio de algoritmos, técnicas y marcos de trabajo de aprendizaje automático. * Experiencia en programación: Fluidez en Python y otros lenguajes de programación relevantes. * Familiaridad con GCP: Conocimiento de los servicios y herramientas de GCP para aprendizaje automático. * Habilidades analíticas y de resolución de problemas: Capacidad para analizar problemas complejos y encontrar soluciones efectivas. * Comunicación y colaboración: Capacidad para trabajar en equipo y comunicarse de manera clara y concisa. ## Description Desde Devoteam estamos buscando un ML Arquitect con una descripción detallada de las tareas y funciones clave que un Machine Learning Engineer de Google Cloud llevaría a cabo: Diseño y desarrollo de modelos: * Análisis de problemas y requisitos: Colaborar con equipos multidisciplinarios para comprender los problemas comerciales y traducirlos en soluciones de aprendizaje automático viables. * Selección de algoritmos y técnicas: Elegir los algoritmos y técnicas de aprendizaje automático más adecuados para abordar los problemas específicos. * Desarrollo y entrenamiento de modelos: Utilizar herramientas y marcos de trabajo de GCP (como TensorFlow, Keras, scikit-learn) para desarrollar, entrenar y evaluar modelos de aprendizaje automático. * Optimización de modelos: Ajustar hiperparámetros y arquitecturas de modelos para mejorar su rendimiento y precisión. Preparación y gestión de datos: * Recopilación y limpieza de datos: Recopilar datos de diversas fuentes y realizar tareas de limpieza y preprocesamiento para garantizar su calidad. * Análisis exploratorio de datos: Explorar y comprender los datos para identificar patrones, tendencias y anomalías. * Ingeniería de características: Transformar y crear características relevantes para mejorar el rendimiento de los modelos. * Almacenamiento y gestión de datos: Utilizar servicios de almacenamiento de GCP (como BigQuery, Cloud Storage) para almacenar y gestionar grandes volúmenes de datos de manera eficiente. Despliegue y gestión de modelos: * Despliegue de modelos en producción: Implementar modelos entrenados en entornos de producción utilizando servicios de GCP (como AI Platform, Cloud Functions). * Monitorización y mantenimiento de modelos: Supervisar el rendimiento de los modelos en producción y realizar actualizaciones y ajustes según sea necesario. * Escalabilidad de modelos: Garantizar que los modelos puedan manejar grandes volúmenes de datos y solicitudes en tiempo real. * Automatización de procesos: Utilizar herramientas de automatización y orquestación (como Cloud Composer, Kubeflow) para agilizar el flujo de trabajo de aprendizaje automático., * Mantenerse actualizado: Estar al día de las últimas tendencias y avances en el campo del aprendizaje automático. * Experimentar con nuevas tecnologías: Explorar y evaluar nuevas herramientas y técnicas de aprendizaje automático. * Contribuir a la comunidad: Compartir conocimientos y experiencias a través de publicaciones, presentaciones y proyectos de código abierto. ## Related Videos - [Data Science in Retail](https://www.wearedevelopers.com/videos/586-data-science-in-retail) - [From Messy Queries to Scalable Systems - How Data Engineering actually works](https://www.wearedevelopers.com/videos/100203-from-messy-queries-to-scalable-systems-how-data-engineering-actually-works) - [Introduction to Azure Machine Learning](https://www.wearedevelopers.com/videos/368-introduction-to-azure-machine-learning) - [Machine learning in the browser with TensorFlowjs](https://www.wearedevelopers.com/videos/155-machine-learning-in-the-browser-with-tensorflowjs) - [Data Governance in the Era of AI](https://www.wearedevelopers.com/videos/1622-data-governance-in-the-era-of-ai) - [Making Data Warehouses fast. A developer's story.](https://www.wearedevelopers.com/videos/302-making-data-warehouses-fast-a-developer-s-story) ## Related Articles - [Got AI ideas but no money? Here are 10 free ways to level up your AI skills with Google Cloud](https://www.wearedevelopers.com/magazine/600-got-ai-ideas-but-no-money-here-are-10-free-ways-to-level-up-your-ai-skills-with-google-cloud) - [MLOps And AI Driven Development](https://www.wearedevelopers.com/magazine/82-mlops-and-ai-driven-development) - [Coffee with Developers - Maria Apazoglou - Making AI understandable for all in production](https://www.wearedevelopers.com/magazine/475-coffee-with-developers-maria-apazoglou-making-ai-understandable-for-all-in-production) - [Navigating the AI Shift](https://www.wearedevelopers.com/magazine/629-navigating-the-ai-shift) - [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer) - [SEO in an AI world - Google vs. ChatGPT and survival tips for content creators](https://www.wearedevelopers.com/magazine/534-seo-in-an-ai-world-google-vs-chatgpt-and-survival-tips-for-content-creators)