> Markdown version of [/jobs/ext/2902490-ingeniero-de-inteligencia-artificial-agentes-ml-dl](https://www.wearedevelopers.com/jobs/ext/2902490-ingeniero-de-inteligencia-artificial-agentes-ml-dl). 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). --- # Ingeniero De Inteligencia Artificial (Agentes + Ml/Dl) - **Company:** Mutua Madrileña - **Location:** Coslada, Spain - **Contract:** Permanent contract - **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Databases, Python (Programming Language), Machine Learning, Tensorflow, Zero Trust Network Access, Pytorch, Large Language Models, Deep Learning, Git, Virtual Agents - **Published:** September 14, 2026 - **Apply:** https://www.buscojobs.com.es/ingeniero-de-inteligencia-artificial-agentes-ml-dl-en-coslada-ID-371250390 ## About the Role Python profesional + buenas prácticas de testing . Git y trabajo con repositorios (clonado y trabajo local/colaborativo). B) ML/DL (mínimos imprescindibles) Conocer el ciclo de vida de ML en producción con separación de etapas (entrenamiento, inferencia, monitorización, reentrenamiento). Nociones de monitorización y control de degradación (p.ej., drift y triggers para reentrenamiento). Experiencia con scikit?learn y PyTorch/TensorFlow. C) Agentes IA Comprender qué es un agente y su arquitectura (memoria, herramientas, planificación, roles/multi?agente). Experiencia con al menos un framework pro?code para agentes/orquestación y tool calling (p.ej., LangGraph) y/o experiencia demostrable creando guardarraíles y control de flujos del agente. Capacidad de instrumentar seguridad/controles (guardarraíles, validaciones, trazabilidad) en agentes. D) RAG + Vector DB (mínimos imprescindibles) Conocer RAG y sus requisitos (curación, indexado, infraestructura adicional; impacto en fiabilidad). Conocer BBDD vectoriales (embeddings, indexado, búsqueda semántica, filtros por metadatos; ejemplo Pinecone y su integración con frameworks). Valorable (Nice?to?Have) Experiencia en entornos regulados y despliegues end?to?end, con foco en seguridad e infraestructura. Familiaridad con modelos de gobierno para agentes (auditoría, trazabilidad, métricas, operación). ## Description ¿Te apetece unirte al equipo de Mutua Madrileña y formar parte de un proyecto único y en continuo crecimiento?Las cualificaciones, habilidades y toda la experiencia relevante necesaria para este puesto se pueden encontrar en la descripción completa a continuación.Propósito del rolIncorporar un perfil técnico capaz de construir soluciones de IA end?to?end combinando:Modelos de Machine Learning / Deep Learning (predicción, clasificación, scoring, etc.) y su ciclo de vida en producción (entrenamiento, inferencia, monitorización y reentrenamiento).Sistemas de IA agéntica (agentes que razonan y ejecutan acciones usando herramientas, memoria y control del flujo) con foco en seguridad, trazabilidad y evaluaciones.RAG como pieza transversal para "grounding" de respuestas y acceso a conocimiento corporativo usando bases vectoriales y, cuando aplique, grafos.Responsabilidades del puesto (equilibradas *****)A) Bloque ML/DL (?50%)Diseñar y entrenar modelos ML/DL, validarlos y preparar su puesta en producción (métricas, umbrales, versiones).Implementar y operar el ciclo de vida: entrenamiento ? inferencia ? monitorización ? reentrenamiento, incluyendo detección de drift para disparar reentrenos.Contribuir a estandarización de productivización (calidad, trazabilidad, monitorización) dentro del marco corporativo de ingeniería.B) Bloque Agentes IA (?50%)Diseñar y desarrollar agentes que razonan, planifican y actúan usando herramientas (APIs/BBDD) y memoria, entendiendo la arquitectura de agentes más allá del LLM.Implementar controles: separación por capas, guardarraíles/validaciones, trazabilidad de tool?calling y enfoque de seguridad (principios tipo Zero Trust, mínimo privilegio, verificación explícita).Construir pipelines RAG / GraphRAG: ingestión, curación, indexación y recuperación para respuestas fundamentadas.C) Bloque común (calidad/operación)Definir y ejecutar evaluaciones desde el inicio (datasets de referencia, regresión), con trazas completas de ejecución para depuración y mejora continua.Alinear el desarrollo a un modelo de control/operación (supervisión, auditoría, métricas, ciclo de vida) para poder escalar a producción.Requisitos:A) Base de ingenieríaPython profesional + buenas prácticas de testing .Git y trabajo con repositorios (clonado y trabajo local/colaborativo).B) ML/DL (mínimos imprescindibles)Conocer el ciclo de vida de ML en producción con separación de etapas (entrenamiento, inferencia, monitorización, reentrenamiento).Nociones de monitorización y control de degradación (p.ej., drift y triggers para reentrenamiento).Experiencia con scikit?learn y PyTorch/TensorFlow.C) Agentes IA Comprender qué es un agente y su arquitectura (memoria, herramientas, planificación, roles/multi?agente).Experiencia con al menos un framework pro?code para agentes/orquestación y tool calling (p.ej., LangGraph) y/o experiencia demostrable creando guardarraíles y control de flujos del agente.Capacidad de instrumentar seguridad/controles (guardarraíles, validaciones, trazabilidad) en agentes.D) RAG + Vector DB (mínimos imprescindibles)Conocer RAG y sus requisitos (curación, indexado, infraestructura adicional; impacto en fiabilidad).Conocer BBDD vectoriales (embeddings, indexado, búsqueda semántica, filtros por metadatos; ejemplo Pinecone y su integración con frameworks).Valorable (Nice?to?Have)Experiencia en entornos regulados y despliegues end?to?end, con foco en seguridad e infraestructura.Familiaridad con modelos de gobierno para agentes (auditoría, trazabilidad, métricas, operación).¿Te sientes Preparado?¿Eres un Valiente?¡Únete a nuestro reto profesional!En Grupo Mutua Madrileña, valoramos la diversidad y creemos en la igualdad de oportunidades para todos.Promovemos un entorno inclusivo donde la equidad salarial y la no discriminación son pilares fundamentales.Si buscas trabajar en una empresa que se compromete a que cada persona se sienta valorada y respetada, ¡nos encantaría conocerte!¿Te sientes Preparado?¿Eres un Valiente?¡Únete a nuestro reto profesional!Grupo Mutua es para #PreparadosyValientes.xqysrnh Grupo Mutua es para ti.Aceptando suscribirte a esta oferta consientes el tratamiento de tus datos personales conforme a los términos y condiciones establecidos en:es un puesto para Preparados y Valientes. ## Related Videos - [How a Small Team Shrank a Microsoft Monorepo by 94%](https://www.wearedevelopers.com/videos/1236-how-a-small-team-shrank-a-microsoft-monorepo-by-94) - [Photonic Computing: Programming a New Class of AI Accelerators (incl. Live Coding)](https://www.wearedevelopers.com/videos/100196-photonic-computing-programming-a-new-class-of-ai-accelerators-incl-live-coding) - [Kubernetes and Microservices with Multi-Model Databases](https://www.wearedevelopers.com/videos/382-kubernetes-and-microservices-with-multi-model-databases) - [AI Agents & Agentic AI](https://www.wearedevelopers.com/videos/2017-ai-agents-agentic-ai) - [Branch your database like your code: How schema changes and pull requests go hand in hand](https://www.wearedevelopers.com/videos/350-branch-your-database-like-your-code-how-schema-changes-and-pull-requests-go-hand-in-hand) - [Git for Code Reviews](https://www.wearedevelopers.com/videos/429-git-for-code-reviews) ## Related Articles - [Graph and AI Trends 2026: Why Is AI Running but Not Yet Delivering?](https://www.wearedevelopers.com/magazine/680-graph-and-ai-trends-2026-why-is-ai-running-but-not-yet-delivering) - [From Prototype to Production: Build AI Agents with This Free 4-Course Learning Path](https://www.wearedevelopers.com/magazine/655-from-prototype-to-production-build-ai-agents-with-this-free-4-course-learning-path) - [A 5-Step Open-Source Setup for Agentic Engineering](https://www.wearedevelopers.com/magazine/738-a-5-step-open-source-setup-for-agentic-engineering) - [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) - [Introducing Redis Agent Memory Server](https://www.wearedevelopers.com/magazine/699-introducing-redis-agent-memory-server) - [MLOps – What’s the deal behind it?](https://www.wearedevelopers.com/magazine/125-mlops-what-s-the-deal-behind-it)