> Markdown version of [/jobs/ext/3572945-aws-engineer-devops-machine-learning](https://www.wearedevelopers.com/jobs/ext/3572945-aws-engineer-devops-machine-learning). 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). --- # Aws Engineer, DevOps, Machine Learning - **Company:** Aristocrat - **Location:** Spain - **Contract:** Permanent contract - **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Airflow, Amazon Web Services, Application Performance Management, Microsoft Azure, Continuous Integration, DevOps, Python (Programming Language), Machine Learning, Prometheus, Software Engineering, Google Cloud, Large Language Models, Snowflake, Grafana, Caching, Generative AI, Kubernetes, Information Technology, Low Latency, Machine Learning Operations, Model Registry, AIOps, Docker, KServe - **Published:** October 4, 2026 - **Apply:** https://eurojobs.com/jobs/32238278/apply ## About the Role * Más de 4 años de experiencia en infraestructura de Machine Learning, plataformas de ML o MLOps, idealmente dentro de un equipo especializado en MLOps o plataformas. * Sólidos conocimientos de ingeniería de software y sistemas, con formación o experiencia profesional en Ingeniería, Informática o áreas relacionadas. * Experiencia demostrable desplegando modelos como servicios en tiempo real y de baja latencia, con un buen conocimiento de almacenamiento en caché, concurrencia y rendimiento de aplicaciones, incluyendo métricas p95/p99. * Experiencia práctica con Docker, Kubernetes, CI/CD y plataformas cloud como GCP, AWS o Azure. * Experiencia con herramientas de orquestación de workflows como Airflow, Prefect, Kubeflow o similares, así como con herramientas de seguimiento de experimentos y registro de modelos como MLflow o Weights & Biases. * Sólidos conocimientos de Python y experiencia operando servicios en producción y trabajando con herramientas de observabilidad como Prometheus y Grafana., * Experiencia con Snowflake u otros data warehouses similares en la nube. * Experiencia dando soporte a aplicaciones de IA generativa o LLMs en producción, incluyendo serving, infraestructura de evaluación y bases de datos vectoriales. * Experiencia o conocimientos relacionados con el diseño de infraestructura orientada a AIOps. * Interés y conocimientos suficientes en Machine Learning y modelado para colaborar estrechamente con Ingenieros de Machine Learning. No es necesario contar con un perfil de investigación. ## Description Buscamos un/a Ingeniero/a MLOps para unirse a nuestro equipo de MLOps y desarrollar y gestionar la plataforma que permite llevar nuestros sistemas de Machine Learning e Inteligencia Artificial a producción de forma fiable. Tu enfoque principal estará en el despliegue de modelos como servicios de alto rendimiento y en tiempo real, la infraestructura y los procesos de CI/CD que los respaldan, así como las herramientas que permiten a nuestros Ingenieros de Machine Learning y Científicos de Datos desplegar, gestionar y monitorizar modelos con confianza., * Desplegar modelos de Machine Learning como APIs fiables y en tiempo real, con un fuerte enfoque en latencia, rendimiento, almacenamiento en caché y escalabilidad. * Diseñar y gestionar la infraestructura de despliegue y serving de modelos, incluyendo contenedores, orquestación con Kubernetes y frameworks de serving como KServe, Triton o BentoML, cuando corresponda. * Desarrollar y mantener pipelines de CI/CD para modelos, así como orquestar flujos de entrenamiento y reentrenamiento utilizando herramientas como Airflow. * Gestionar la parte de plataforma relacionada con el seguimiento de experimentos y el registro de modelos: versionado, linaje, promoción y gobernanza, garantizando que los despliegues de modelos sean controlados y reproducibles. * Desarrollar la infraestructura de monitorización y observabilidad que utilizan los Ingenieros de Machine Learning para supervisar el estado de los modelos y sistemas, incluyendo métricas, registros, trazabilidad y alertas. * Garantizar la reproducibilidad entre diferentes entornos y pipelines, y reforzar la fiabilidad de los sistemas mediante mecanismos como reintentos, tiempos de espera, degradación controlada y rollback. * Colaborar con Ingenieros de Machine Learning y Científicos de Datos para facilitar la transición de los prototipos a producción, así como con los equipos de ingeniería en cuestiones más complejas relacionadas con el diseño de sistemas., Dependiendo de la naturaleza del puesto, puede ser necesario registrarse ante el Nevada Gaming Control Board (NGCB) y/o ante otros organismos reguladores del juego en las jurisdicciones 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.