> Markdown version of [/jobs/ext/1987670-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/1987670-machine-learning-engineer). 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).

---

# Machine Learning Engineer

- **Company:** Capitole
- **Location:** Cantabria, Spain
- **Contract:** Permanent contract
- **Skills:** A/B Testing, Artificial Intelligence, Airflow, Amazon Web Services, Microsoft Azure, BigQuery, Business Systems, Code Review, Continuous Integration, Python (Programming Language), Machine Learning, NumPy, Azure Machine Learning, SQL Databases, Google Cloud, Gitlab, Git, Pandas, Scikit Learn, Apache Flink, Real Time Data, Apache Kafka, Machine Learning Operations, Docker
- **Published:** August 8, 2026
- **Apply:** https://www.buscojobs.com.es/machine-learning-engineer-en-ribamontan-al-mar-ID-365867128

## About the Role

5+ años de experiencia en roles de Data Science o ML en entornos productivos.
Dominio de Python científico.
Lenguajes: Python (pandas, scikit-learn, numpy).
SQL avanzado.
CI/CD: Conocimiento general de pipelines de integración continua; experiencia empaquetando modelos con Docker y desplegando vía Git Hub Actions, Git Lab CI o similar.
Experiencia con herramientas de tracking de experimentos: MLflow, W&B o similar.
Capacidad de comunicar resultados de modelos a stakeholders no técnicos.
Valorables Experiencia en retail, travel retail, e-commerce o industrias con pricing dinámico.
Conocimiento de frameworks de orquestación de datos (Airflow, Prefect).
Familiaridad con plataformas cloud: GCP (Big Query, Vertex AI), AWS (Sage Maker) o Azure ML.
Experiencia con feature stores (Feast, Tecton) o arquitecturas de datos en tiempo real (Kafka, Flink).
Conocimientos de A/B testing y experimentación online para validación de modelos en producción.
#J-*****-Ljbffr

## Description

Buscamos un/a Data Scientist / ML Engineer con sólida experiencia en IA tradicional para incorporarse a un equipo de datos en expansión.La persona seleccionada será responsable de diseñar, entrenar y poner en producción modelos predictivos orientados a pricing dinámico, personalización de oferta y forecast de demanda en entornos retail de alto volumen.El rol requiere dominio del ciclo completo de un modelo: desde el análisis exploratorio y la ingeniería de features hasta el despliegue en producción mediante pipelines de CI/CD, garantizando que los outputs lleguen a los sistemas de negocio en tiempo y forma.Responsabilidades principales Modelado y experimentación Diseño y entrenamiento de modelos de regresión para forecast de demanda y elasticidad de precio.Gestión del ciclo de vida de modelos: versionado, retraining periódico y monitorización de drift.Integración en pipelines de CI/CD (Git Hub Actions, Git Lab CI o similar): testing, validación automática y promoción a producción.Monitorización de métricas de negocio y métricas técnicas (RMSE, AUC, precision@k) post-despliegue.Colaboración y comunicación Traducción de requisitos de negocio (pricing managers, category managers) en problemas formales de ML.Documentación clara de metodología, decisiones de modelado y resultados para audiencias técnicas y no técnicas.Participación en code reviews y en la definición de estándares del equipo de datos.5+ años de experiencia en roles de Data Science o ML en entornos productivos.Dominio de Python científico.Lenguajes: Python (pandas, scikit-learn, numpy).SQL avanzado.CI/CD: Conocimiento general de pipelines de integración continua; experiencia empaquetando modelos con Docker y desplegando vía Git Hub Actions, Git Lab CI o similar.Experiencia con herramientas de tracking de experimentos: MLflow, W&B o similar.Capacidad de comunicar resultados de modelos a stakeholders no técnicos.Valorables Experiencia en retail, travel retail, e-commerce o industrias con pricing dinámico.Conocimiento de frameworks de orquestación de datos (Airflow, Prefect).Familiaridad con plataformas cloud: GCP (Big Query, Vertex AI), AWS (Sage Maker) o Azure ML.Experiencia con feature stores (Feast, Tecton) o arquitecturas de datos en tiempo real (Kafka, Flink).Conocimientos de A/B testing y experimentación online para validación de modelos en producción.#J-*****-Ljbffr


## Related Videos

- [Introduction to Azure Machine Learning](https://www.wearedevelopers.com/videos/368-introduction-to-azure-machine-learning)
- [Docker Compose: Rediscovered](https://www.wearedevelopers.com/videos/1978-docker-compose-rediscovered)
- [Vectorize all the things! Using linear algebra and NumPy to make your Python code lightning fast.](https://www.wearedevelopers.com/videos/562-vectorize-all-the-things-using-linear-algebra-and-numpy-to-make-your-python-code-lightning-fast)
- [How a Small Team Shrank a Microsoft Monorepo by 94%](https://www.wearedevelopers.com/videos/1236-how-a-small-team-shrank-a-microsoft-monorepo-by-94)
- [Data Science in Retail](https://www.wearedevelopers.com/videos/586-data-science-in-retail)
- [Docker build without Docker](https://www.wearedevelopers.com/videos/100114-docker-build-without-docker)

## Related Articles

- [MLops – Deploying, Maintaining And Evolving Machine Learning Models in Production](https://www.wearedevelopers.com/magazine/115-mlops-deploying-maintaining-and-evolving-machine-learning-models-in-production)
- [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer)
- [MLOps – What’s the deal behind it?](https://www.wearedevelopers.com/magazine/125-mlops-what-s-the-deal-behind-it)
- [What Are Large Language Models?](https://www.wearedevelopers.com/magazine/304-what-are-large-language-models)
- [Data Engineer Salary UK](https://www.wearedevelopers.com/magazine/253-data-engineer-salary-uk)
- [Highest Paying Tech Companies for Developers](https://www.wearedevelopers.com/magazine/220-highest-paying-tech-companies-for-developers)