> Markdown version of [/jobs/ext/2665765-consultor-de-aprendizaje-automatico](https://www.wearedevelopers.com/jobs/ext/2665765-consultor-de-aprendizaje-automatico). 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). --- # Consultor de Aprendizaje Automático - **Company:** Amaris - **Location:** Madrid, Spain - **Contract:** Apprenticeship - **Skills:** Agile Methodology, Airflow, Amazon Web Services, Microsoft Azure, Cloud Computing, Software Quality, Continuous Integration, Information Engineering, DevOps, Python (Programming Language), Machine Learning, Scrum Methodology, RabbitMQ, Azure Machine Learning, Software Engineering, Data Logging, Data Processing, Azure Data Factory, Apache Spark, Generative AI, Fastapi, Kubernetes, Bicep, Apache Kafka, Azure AKS, Machine Learning Operations, Terraform, Azure Synapse Analytics, Software Version Control, Docker, Databricks - **Published:** August 31, 2026 - **Apply:** https://www.recruit.net/job/consultor-de-aprendizaje-automatico-jobs/7BBA72906EC12207 ## About the Role * 4-6 años de experiencia en posiciones de MLOps, ML Platform Engineering, DevOps especializado en Machine Learning o similares. * Experiencia con Python y automatización de procesos. * Conocimiento práctico del ciclo de vida de modelos de Machine Learning. * Experiencia con herramientas como MLflow, Kubeflow, Airflow, Argo Workflows u otras plataformas similares. * Experiencia trabajando con Docker y Kubernetes. * Conocimientos de CI/CD aplicados a código, datos y modelos. * Experiencia en entornos cloud, preferiblemente Azure, aunque también valoramos experiencia con AWS o GCP. * Familiaridad con servicios como Azure Machine Learning, Azure Kubernetes Service, Azure DevOps, Azure Container Registry o equivalentes. * Conocimientos de Infraestructura como Código, especialmente Terraform, Bicep o herramientas similares. * Experiencia con repositorios de modelos, control de versiones, gestión de artefactos y trazabilidad de experimentos. * Conocimientos de monitorización, logging y alertas para modelos y servicios de inferencia. * Nivel de inglés profesional para colaborar con equipos internacionales., * Capacidad para analizar problemas técnicos y encontrar soluciones prácticas. * Comunicación clara con perfiles de Data Science, Software Engineering, Data Engineering, Cloud y negocio. * Sentido de ownership y comodidad trabajando con sistemas en producción. * Interés por la automatización, la calidad del software y la mejora continua. * Capacidad para trabajar en equipos multidisciplinares y distribuidos. * Organización para gestionar varias iniciativas técnicas al mismo tiempo. Comodidad trabajando en metodologías ágiles como Scrum o Kanban. Se valorará especialmente * Experiencia en sector Retail. * Conocimiento de Databricks, Spark, Azure Data Factory, Synapse o plataformas de datos similares. * Experiencia con feature stores, como Feast u otras soluciones equivalentes. * Conocimientos de model serving, por ejemplo KServe, Seldon, BentoML o FastAPI. * Experiencia con sistemas de mensajería y procesamiento de datos, como Kafka o RabbitMQ. * Conocimientos de prácticas SRE, incluyendo SLIs, SLOs, alertas y gestión de incidentes. * Experiencia con modelos de lenguaje, sistemas de IA generativa o plataformas de evaluación de modelos. * Familiaridad con herramientas de seguridad, gestión de secretos y control de accesos. * Certificaciones cloud o de Kubernetes. ## Description Como MLOps Engineer, tendrás un papel clave en la puesta en producción, operación y evolución de soluciones de Machine Learning. Trabajarás junto a equipos de Data Science, Data Engineering, Software Engineering y Cloud para crear plataformas que permitan entrenar, desplegar y monitorizar modelos de forma segura y fiable. Tu trabajo cubrirá todo el ciclo de vida del modelo, desde la preparación de los entornos y los datos hasta el seguimiento del rendimiento en producción., * Diseñar y mantener plataformas para el entrenamiento, validación y despliegue de modelos de Machine Learning. * Crear pipelines automatizados para llevar modelos desde la experimentación hasta producción. * Integrar procesos de CI/CD y CT, incluyendo pruebas de código, datos y modelos. * Gestionar el versionado de modelos, datasets, configuraciones y artefactos. * Desplegar servicios de inferencia mediante contenedores y Kubernetes. * Trabajar con equipos de Data Science para convertir modelos experimentales en servicios listos para producción. * Definir procesos de reentrenamiento y actualización de modelos. * Implementar sistemas de monitorización para controlar métricas de rendimiento, calidad de predicción, latencia y consumo de recursos. * Detectar posibles desviaciones en los datos y en el comportamiento de los modelos, incluyendo data drift y model drift. * Mejorar la trazabilidad, reproducibilidad y control de los procesos de Machine Learning. * Gestionar entornos cloud y recursos de cómputo teniendo en cuenta la seguridad y los costes. * Automatizar la creación de entornos con Terraform, Bicep u otras herramientas de IaC. * Participar en la resolución de incidencias en producción y en los análisis de causa raíz. * Contribuir a la definición de buenas prácticas de seguridad, gobierno y cumplimiento para soluciones de IA. * Documentar arquitecturas, procesos y decisiones técnicas para facilitar el trabajo entre equipos. ## Related Videos - [Introduction to Azure Machine Learning](https://www.wearedevelopers.com/videos/368-introduction-to-azure-machine-learning) - [From DevOps to Scaled DevOps: How We’re Rebuilding Continuous Delivery as a Platform](https://www.wearedevelopers.com/videos/100018-from-devops-to-scaled-devops-how-we-re-rebuilding-continuous-delivery-as-a-platform) - [Back(end) to the Future: Embracing the continuous Evolution of Infrastructure and Code](https://www.wearedevelopers.com/videos/440-back-end-to-the-future-embracing-the-continuous-evolution-of-infrastructure-and-code) - [Docker Compose: Rediscovered](https://www.wearedevelopers.com/videos/1978-docker-compose-rediscovered) - [Effective Machine Learning - Managing Complexity with MLOps](https://www.wearedevelopers.com/videos/185-effective-machine-learning-managing-complexity-with-mlops) - [DevOps Maturity Check – a way to balance autonomy and alignment](https://www.wearedevelopers.com/videos/58-devops-maturity-check-a-way-to-balance-autonomy-and-alignment) ## 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) - [MLOps – What’s the deal behind it?](https://www.wearedevelopers.com/magazine/125-mlops-what-s-the-deal-behind-it) - [Why Upskilling And Reskilling is Important For Developers](https://www.wearedevelopers.com/magazine/428-why-upskilling-and-reskilling-is-important-for-developers) - [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) - [MLOps And AI Driven Development](https://www.wearedevelopers.com/magazine/82-mlops-and-ai-driven-development) - [Navigating the AI Shift](https://www.wearedevelopers.com/magazine/629-navigating-the-ai-shift)