> Markdown version of [/jobs/ext/3703790-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/3703790-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:** Arbo, Spain
- **Contract:** Permanent contract
- **Skills:** Artificial Intelligence, Airflow, Amazon Web Services, Microsoft Azure, 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:** October 12, 2026
- **Apply:** https://www.buscojobs.com.es/machine-learning-engineer-en-arbo-ID-374178787

## About the Role

5+ años de experienciaen roles de Data Science o ML en entornos productivos.
Dominio dePython cínítico(pandas, scikit-learn, numpy).
SQL avanzado.
Modelos:Regresión(lineal, Ridge, Lasso, XGBoost/LightGBM),clasificadores(RF, GBM, lógica),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).
Conocimientos deA/B testingyexperimentación onlinepara validación de modelos en producción.
#J-*****-Ljbffr

## 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.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 principalesDiseñoyentrenamientodemodelos 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 promocion 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 imprescindibles5+ años de experienciaen roles de Data Science o ML en entornos productivos.Dominio dePython cínítico(pandas, scikit-learn, numpy).SQL avanzado.Modelos:Regresión(lineal, Ridge, Lasso, XGBoost/LightGBM),clasificadores(RF, GBM, lógica),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 técnicosValorablesExperiencia 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).Conocimientos deA/B testingyexperimentación onlinepara validación de modelos en producción.#J-*****-Ljbffr