> Markdown version of [/jobs/ext/2809691-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/2809691-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:** Madrid, 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, Google Cloud, Pandas, Gitlab-ci, Scikit Learn, Apache Flink, Xgboost, Apache Kafka, Machine Learning Operations, Docker
- **Published:** September 9, 2026
- **Apply:** https://www.buscojobs.com.es/machine-learning-engineer-en-madrid-ID-369228916

## About the Role

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, ) 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).
xqziphu
? Conocimientos de
A/B testing
y
experimentación online
para validación de modelos en producción.

## Description

Buscamos un/aDesplácese hacia abajo para obtener una visión general completa de lo que requerirá este trabajo.¿Es usted el candidato adecuado para esta oportunidad?Data 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, ) 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).xqziphu? 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)
- [7 Most Popular Web Developer Jobs in Europe](https://www.wearedevelopers.com/magazine/163-7-most-popular-web-developer-jobs-in-europe)
- [What Are Large Language Models?](https://www.wearedevelopers.com/magazine/304-what-are-large-language-models)
- [The Most Popular IT Jobs on the Market](https://www.wearedevelopers.com/magazine/376-the-most-popular-it-jobs-on-the-market)
- [MLOps – What’s the deal behind it?](https://www.wearedevelopers.com/magazine/125-mlops-what-s-the-deal-behind-it)