> Markdown version of [/jobs/ext/3076363-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/3076363-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:** Oviedo, 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, Azure Machine Learning, SQL Databases, Google Cloud, Pandas, Gitlab-ci, Scikit Learn, Apache Flink, Xgboost, Real Time Data, Apache Kafka, Machine Learning Operations, Docker
- **Published:** September 25, 2026
- **Apply:** https://www.buscojobs.com.es/machine-learning-engineer-en-oviedo-ID-373071805

## About the Role

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).
xkdbapo
Conocimientos de A/B testing y experimentación online para validación de modelos en producción.
#J-*****-Ljbffr

## Description

Machine Learning Engineer - Capitole * Pamplona, Comunidad Foral de Navarra, SpainBuscamos un/a.¿Tiene lo que se necesita para triunfar?La siguiente información debe ser leída atentamente por todos los candidatos.Data Scientist / ML Engineer.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 principalesDiseño 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, ) 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 imprescindibles5+ 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.ValorablesExperiencia 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).xkdbapoConocimientos de A/B testing y experimentación online para validación de modelos en producción.#J-*****-Ljbffr


## 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)
- [MLOps – What’s the deal behind it?](https://www.wearedevelopers.com/magazine/125-mlops-what-s-the-deal-behind-it)
- [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer)
- [What Are Large Language Models?](https://www.wearedevelopers.com/magazine/304-what-are-large-language-models)
- [Dev Digest 120 - Apple and peers](https://www.wearedevelopers.com/magazine/455-dev-digest-120-apple-and-peers)
- [Dev Digest 132 - Binging WADFlix?](https://www.wearedevelopers.com/magazine/473-dev-digest-132-binging-wadflix)