> Markdown version of [/jobs/ext/2131808-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/2131808-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:** Burgos, Spain - **Contract:** Permanent contract - **Skills:** Artificial Intelligence, Airflow, Amazon Web Services, BigQuery, Business Systems, Continuous Integration, Github, Machine Learning, NumPy, Recommender Systems, Azure Machine Learning, SQL Databases, Pandas, Gitlab-ci, Scikit Learn, Apache Flink, Xgboost, Apache Kafka, Machine Learning Operations, Docker - **Published:** August 19, 2026 - **Apply:** https://www.buscojobs.com.es/machine-learning-engineer-en-burgos-ID-367788816 ## About the Role ?5+ años de experienciaen roles de Data Science o ML en entornos productivos. ? Dominio dePython científico(pandas, scikit-learn, numpy). SQL avanzado. ? Modelos:Regresión(lineal, Ridge, Lasso, XGBoost/LightGBM),clasificadores(RF, GBM, logística),sistemas de recomendación. ?CI/CD:Conocimiento general de pipelines de integración continua; experiencia empaquetando modelos con Docker y desplegando vía GitHub Actions, GitLab CI o similar. ? Experiencia conherramientas de tracking de experimentos: MLflow, W&B o similar. ? Capacidad de comunicar resultados de modelos a stakeholders no técnicos ?Valorables: ? Experiencia enretail,travel,e-commerceoindustrias con pricing dinámico. ? Conocimiento deframeworks de orquestación de datos(Airflow, Prefect). ? Familiaridad con plataformascloud: GCP (BigQuery, Vertex AI), AWS (SageMaker) o Azure ML. ? Experiencia confeature stores(Feast, Tecton) o arquitecturas de datos entiempo real(Kafka, Flink). ? Conocimientos deA/B testingyexperimentación onlinepara validación de modelos en producción. ## Description Buscamos un/aData Scientist / ML Engineercon sólida experiencia en IA tradicional para incorporarse a un equipo de datos en expansión.La persona seleccionada será responsable dediseñar, entrenar y poner en producciónmodelos predictivos orientados apricing dinámico, personalización de oferta y forecast de demanda en entornos retail de alto volumen.El rol requieredominio 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:?Diseñoyentrenamientodemodelos de regresiónparaforecast de demandayelasticidad de precio.? Desarrollo declasificadores(churn, propensión a compra, detección de anomalías en stock).? Construcción desistemas de recomendación(collaborative filtering, content-based, híbridos) para personalización de oferta SKU-cliente.? Gestión delciclo de vida de modelos: versionado, retraining periódico y monitorización de drift.? Integración enpipelines de CI/CD(GitHub Actions, GitLab CI o similar): testing, validación automática y promoción a producción.? Monitorización demétricas de negocioymétricas técnicas(RMSE, AUC, precision@k) post-despliegue.? Traducción derequisitos de negocio(pricing managers, category managers) en problemas formales de ML.?Documentación clarade metodología, decisiones de modelado y resultados para audiencias técnicas y no técnicas.? Participación encode reviewsy en la definición de estándares del equipo de datos.?Requisitos imprescindibles:?5+ años de experienciaen roles de Data Science o ML en entornos productivos.? Dominio dePython científico(pandas, scikit-learn, numpy).SQL avanzado.? Modelos:Regresión(lineal, Ridge, Lasso, XGBoost/LightGBM),clasificadores(RF, GBM, logística),sistemas de recomendación.?CI/CD:Conocimiento general de pipelines de integración continua; experiencia empaquetando modelos con Docker y desplegando vía GitHub Actions, GitLab CI o similar.? Experiencia conherramientas de tracking de experimentos: MLflow, W&B o similar.? Capacidad de comunicar resultados de modelos a stakeholders no técnicos?Valorables:? Experiencia enretail,travel,e-commerceoindustrias con pricing dinámico.? Conocimiento deframeworks de orquestación de datos(Airflow, Prefect).? Familiaridad con plataformascloud: GCP (BigQuery, Vertex AI), AWS (SageMaker) o Azure ML.? Experiencia confeature stores(Feast, Tecton) o arquitecturas de datos entiempo real(Kafka, Flink).? Conocimientos deA/B testingyexperimentación onlinepara validación de modelos en producción. ## Related Videos - [Introduction to Azure Machine Learning](https://www.wearedevelopers.com/videos/368-introduction-to-azure-machine-learning) - [Innovating Developer Tools with AI: Insights from GitHub Next](https://www.wearedevelopers.com/videos/1268-innovating-developer-tools-with-ai-insights-from-github-next) - [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) - [Data Science in Retail](https://www.wearedevelopers.com/videos/586-data-science-in-retail) - [Bringing AI Model Testing and Prompt Management to Your Codebase with GitHub Models](https://www.wearedevelopers.com/videos/1536-bringing-ai-model-testing-and-prompt-management-to-your-codebase-with-github-models) ## 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) - [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)