> Markdown version of [/jobs/ext/3624858-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/3624858-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:** Spain
- **Contract:** Permanent contract
- **Skills:** A/B Testing, Artificial Intelligence, Airflow, Amazon Web Services, BigQuery, Business Systems, Code Review, Continuous Integration, Github, Python (Programming Language), Machine Learning, Azure Machine Learning, SQL Databases, Google Cloud, Gitlab-ci, Scikit Learn, Apache Flink, Real Time Data, Apache Kafka, Machine Learning Operations, Docker
- **Published:** October 8, 2026
- **Apply:** https://www.jobleads.com/es/job/machine-learning--spain--e93123a0d633cac495e97cbced9658f7d

## About the Role

* 5+ años de experiencia en roles de Data Science o ML en entornos productivos.
 * Dominio de Python científico.
 * Lenguajes: Python (pandas, scikit-learn, numpy). SQL avanzado.
 * 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., * Experiencia en retail, travel retail, 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).
 * Conocimientos de A/B testing y experimentación online para validación de modelos en producción.

## Description

Buscamos un/a Data Scientist / ML Engineer con sólida experiencia en IA tradicional para incorporarse a un equipo de datos en expansión. 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 principales

 * Modelado y experimentación
 * Diseño y entrenamiento de modelos de regresión para forecast de demanda y elasticidad de precio.
 * 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, precision@k) post-despliegue.

Colaboración y comunicación

 * 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.
 * 5+ años de experiencia en roles de Data Science o ML en entornos productivos.
 * Dominio de Python científico.
 * Lenguajes: Python (pandas, scikit-learn, numpy). SQL avanzado.
 * 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 retail, 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).
 * Conocimientos de A/B testing y experimentación online para validación de modelos en producción.