> Markdown version of [/jobs/ext/3047531-remote-hybrid](https://www.wearedevelopers.com/jobs/ext/3047531-remote-hybrid). 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). --- # Remote / Hybrid - **Company:** Aristocrat - **Location:** Spain - **Contract:** Permanent contract - **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Airflow, Amazon Web Services, Microsoft Azure, Cloud Computing, Python (Programming Language), Machine Learning, Recommender Systems, Tensorflow, Standard Sql, Google Cloud, Feature Engineering, Pytorch, Large Language Models, Snowflake, Generative AI, Information Technology, Xgboost, Machine Learning Operations, Streamlit Framework, Docker - **Published:** September 24, 2026 - **Apply:** https://www.gamesjobsdirect.com/details/redirect/ml-engineer/359826 ## About the Role * Más de *4 años de experiencia* aplicando Machine Learning a problemas reales, desde el tratamiento de datos hasta el despliegue de modelos. * Experiencia demostrable con *sistemas de recomendación* -como collaborative filtering, ranking o técnicas similares- aplicados a productos reales. * Sólidos conocimientos de *Python* y experiencia práctica con librerías de Machine Learning como *scikit-learn, PyTorch/TensorFlow, XGBoost* o similares. * Sólidos conocimientos de *SQL* y experiencia trabajando con grandes data warehouses. * Experiencia práctica con herramientas de seguimiento de experimentos y/o registros de modelos, como *MLflow, Weights & Biases* o equivalentes. * Experiencia diseñando o contribuyendo a sistemas de *monitorización y seguimiento del rendimiento de modelos en producción*. * Experiencia trabajando con plataformas cloud como *GCP, AWS o Azure*, así como con *Docker y Airflow*. * Una sólida base analítica, con formación en un área cuantitativa como matemáticas, física, informática o ingeniería, o experiencia profesional equivalente., * Experiencia con *Snowflake* u otros data warehouses similares en la nube. * Experiencia práctica desarrollando aplicaciones con *IA generativa (LLMs)*, incluida la integración mediante APIs. * Interés o experiencia inicial con sistemas *RAG*, ya sea mediante prototipos, proyectos personales o experiencia profesional. * Interés o familiaridad con conceptos o frameworks de *Agentic AI*, como LangChain Agents o CrewAI. * Capacidad para desarrollar interfaces de usuario sencillas, por ejemplo con *Streamlit*, que permitan acercar los modelos de Machine Learning a otros equipos. ## Description Buscamos un/a *Ingeniero/a de Machine Learning* para unirse a nuestro equipo de *MLOps* y reforzar nuestras capacidades de modelado. Serás responsable de los modelos de Machine Learning de principio a fin, desde los datos y la experimentación hasta su puesta en producción, y contribuirás a desarrollar una cultura sólida de monitorización y experimentación que garantice que nuestros modelos sigan siendo fiables y estén alineados con las necesidades del negocio a lo largo del tiempo., * Diseñar, entrenar, evaluar y reentrenar modelos de Machine Learning, con especial énfasis en *sistemas de recomendación*, para dar soporte a funcionalidades de los juegos, mejorar la experiencia de los jugadores y optimizar la eficiencia operativa. * Liderar el diseño de la monitorización del rendimiento de nuestros modelos: definir qué métricas y aspectos deben supervisarse (drift, calidad de los datos, degradación del rendimiento), establecer umbrales y determinar qué significa que un modelo siga siendo fiable desde una perspectiva de negocio. * Ayudar a establecer una cultura sólida de experimentación mediante el versionado de modelos y el seguimiento de experimentos con herramientas como *MLflow* o *Weights & Biases*, garantizando que los experimentos sean reproducibles y que las distintas versiones de los modelos puedan compararse y promoverse fácilmente. * Contribuir al desarrollo de una cultura de gobernanza de modelos: definir cómo se promueven los modelos a producción y establecer las bases del proceso de comunicación y colaboración entre los equipos de MLOps y Data Science. * Crear plantillas y estructuras reutilizables, como *Cookiecutter*, para estandarizar la forma en que el equipo de Data Science estructura, entrega y comunica sus modelos y experimentos. * Construir pipelines robustos de entrenamiento y feature engineering, y desarrollar código limpio y preparado para producción en *Python y SQL*. * Explorar y contribuir a proyectos en fases iniciales relacionados con *LLMs, RAG y Agentic AI* cuando aporten valor, como complemento del puesto y no como su responsabilidad principal. * Desarrollar interfaces sencillas, por ejemplo con *Streamlit*, para acercar las capacidades de Machine Learning a usuarios no técnicos cuando resulte útil. * Colaborar con equipos de Producto, Datos e Ingeniería, comunicando de manera clara los resultados, las limitaciones y las recomendaciones tanto a audiencias técnicas como de negocio., Nuestro equipo, formado por más de *7.300 empleados en todo el mundo*, comparte una misma misión: llevar alegría a la vida a través del poder del juego., Información adicionalDependiendo de las características de tu puesto, es posible que debas registrarte ante la *Nevada Gaming Control Board (NGCB)* y/o ante otros organismos reguladores de las jurisdicciones de gaming en las que operamos., Esta descripción del puesto puede haber sido revisada y optimizada mediante herramientas de inteligencia artificial con el fin de mejorar su claridad, coherencia e inclusión. En cualquier caso, todo el contenido final, los requisitos del puesto y las decisiones de contratación están sujetos a la revisión y aprobación de Aristocrat. ## Related Videos - [Introduction to Azure Machine Learning](https://www.wearedevelopers.com/videos/368-introduction-to-azure-machine-learning) - [From Messy Queries to Scalable Systems - How Data Engineering actually works](https://www.wearedevelopers.com/videos/100203-from-messy-queries-to-scalable-systems-how-data-engineering-actually-works) - [TikTok's Privacy Innovation](https://www.wearedevelopers.com/videos/1036-tiktok-s-privacy-innovation) - [Docker Compose: Rediscovered](https://www.wearedevelopers.com/videos/1978-docker-compose-rediscovered) - [AI Model Management Life Circles: ML Ops For Generative AI Models From Research to Deployment](https://www.wearedevelopers.com/videos/1152-ai-model-management-life-circles-ml-ops-for-generative-ai-models-from-research-to-deployment) - [Developer Experience, Platform Engineering and AI powered Apps](https://www.wearedevelopers.com/videos/990-developer-experience-platform-engineering-and-ai-powered-apps) ## 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) - [MLOps And AI Driven Development](https://www.wearedevelopers.com/magazine/82-mlops-and-ai-driven-development) - [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) - [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) - [What Are Large Language Models?](https://www.wearedevelopers.com/magazine/304-what-are-large-language-models)