> Markdown version of [/jobs/ext/3321729-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/3321729-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:** Álava, Spain
- **Contract:** Permanent contract
- **Skills:** Artificial Intelligence, Airflow, Amazon Web Services, BigQuery, Business Systems, Continuous Integration, Github, Machine Learning, NumPy, Recommender Systems, Azure Machine Learning, SQL Databases, Pandas, Gitlab-ci, Scikit Learn, Apache Flink, Xgboost, Apache Kafka, Machine Learning Operations, Docker
- **Published:** September 7, 2026
- **Apply:** https://www.buscojobs.com.es/machine-learning-engineer-en-alava-ID-369892500

## About the Role

?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 técnicos
Valorables:
? 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).
xkdbapo
? Conocimientos deA/B testingyexperimentación onlinepara validación de modelos en producción.

## Description

Buscamos un/aData 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.Lea atentamente toda la información sobre esta oportunidad y luego utilice el botón de solicitud de abajo para enviar su CV y su candidatura.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).xkdbapo? Conocimientos deA/B testingyexperimentación onlinepara validación de modelos en producción.