> Markdown version of [/jobs/ext/2796397-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/2796397-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:** Mindmatch
- **Location:** Zaragoza, Spain
- **Contract:** Permanent contract
- **Skills:** A/B Testing, Artificial Intelligence, Airflow, Amazon Web Services, Microsoft Azure, BigQuery, Business Systems, Code Review, Continuous Integration, Github, Python (Programming Language), Machine Learning, NumPy, Recommender Systems, SQL Databases, Google Cloud, Pandas, Gitlab-ci, Scikit Learn, Apache Flink, Xgboost, Real Time Data, Apache Kafka, Machine Learning Operations, Docker
- **Published:** September 8, 2026
- **Apply:** https://www.buscojobs.com.es/machine-learning-engineer-en-zaragoza-ID-369370139

## About the Role

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 técnicosValorables: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).
Conocimientos de A/B testing y experimentación online para validación de modelos en producción.

## 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:Diseño y entrenamiento de modelos de regresión para forecast de demanda y elasticidad de precio.Desarrollo de clasificadores (churn, propensión a compra, detección de anomalías en stock).Construcción de 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, precision@k) 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 técnicosValorables: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).Conocimientos de A/B testing y experimentación online para 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)
- [Introduction to Azure Machine Learning](https://www.wearedevelopers.com/videos/368-introduction-to-azure-machine-learning)
- [How to implement convenient Python bindings to C++](https://www.wearedevelopers.com/videos/618-how-to-implement-convenient-python-bindings-to-c)
- [Data Science in Retail](https://www.wearedevelopers.com/videos/586-data-science-in-retail)

## 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)
- [Why Upskilling And Reskilling is Important For Developers](https://www.wearedevelopers.com/magazine/428-why-upskilling-and-reskilling-is-important-for-developers)
- [Dev Digest 120 - Apple and peers](https://www.wearedevelopers.com/magazine/455-dev-digest-120-apple-and-peers)