> Markdown version of [/jobs/ext/2768021-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/2768021-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:** Asturias, Spain
- **Contract:** Permanent contract
- **Skills:** A/B Testing, Artificial Intelligence, Airflow, Amazon Web Services, BigQuery, Business Systems, Code Review, Continuous Integration, Github, Python (Programming Language), 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:** September 7, 2026
- **Apply:** https://www.buscojobs.com.es/machine-learning-engineer-en-asturias-ID-370315290

## About the Role

sistemas de recomendación
(collaborative filtering, content-based, híbridos) para personalización de oferta SKU-cliente.
? Gestión del
ciclo de vida de modelos
: versionado, retraining periódico y monitorización de drift.
? Integración en
pipelines de CI/CD
(GitHub Actions, GitLab CI o similar): testing, validación automática y promoción a producción.
? Monitorización de
métricas de negocio
y
métricas técnicas
(RMSE, AUC, ) post-despliegue.
? 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.
Requisitos imprescindibles:
?
5+ años de experiencia
en roles de Data Science o ML en entornos productivos.
? Dominio de
Python 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 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
,
e-commerce
o
industrias con pricing dinámico
.
? Conocimiento de
frameworks de orquestación de datos
(Airflow, Prefect).
? Familiaridad con plataformas
cloud
: GCP (BigQuery, Vertex AI), AWS (SageMaker) o Azure ML.
? Experiencia con
feature stores
(Feast, Tecton) o arquitecturas de datos en
tiempo real
(Kafka, Flink). xbhjioe
? Conocimientos de
A/B testing
y
experimentación online
para 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.Lea atentamente toda la información sobre esta oportunidad y luego utilice el botón de solicitud de abajo para enviar su CV y su candidatura.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, ) 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 técnicosValorables:? 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). xbhjioe? Conocimientos deA/B testingyexperimentación onlinepara validación de modelos en producción.


## Related Videos

- [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)
- [Docker Compose: Rediscovered](https://www.wearedevelopers.com/videos/1978-docker-compose-rediscovered)
- [Advanced Typing in TypeScript](https://www.wearedevelopers.com/videos/496-advanced-typing-in-typescript)
- [Data Science in Retail](https://www.wearedevelopers.com/videos/586-data-science-in-retail)
- [How to implement convenient Python bindings to C++](https://www.wearedevelopers.com/videos/618-how-to-implement-convenient-python-bindings-to-c)
- [Introduction to Azure Machine Learning](https://www.wearedevelopers.com/videos/368-introduction-to-azure-machine-learning)

## 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)
- [7 Most Popular Web Developer Jobs in Europe](https://www.wearedevelopers.com/magazine/163-7-most-popular-web-developer-jobs-in-europe)
- [Why Upskilling And Reskilling is Important For Developers](https://www.wearedevelopers.com/magazine/428-why-upskilling-and-reskilling-is-important-for-developers)