Data Scientist / Mlops Engineer | Teletrabajo

Hay proyectos donde un modelo no termina al entrenarse: empieza a aportar valor cuando llega a producción, se monitoriza y se mantiene estable. Aquí trabajarás conPython, MLOps, cloud, Docker, Kubernetes, CI/CD, MLflow y Stratio, en un entorno donde la industrialización de modelos tiene impacto real. Te incorporarás a un contexto técnico estable, con foco enanalítica avanzada, operación de modelos en producción y calidad del ciclo de vida ML, con autonomía, continuidad y margen para seguir creciendo en prácticas modernas de datos, automatización y gobierno de modelos.Lo que hará que esta oportunidad te encajeTeletrabajo desde cualquier punto de EspañaModelos que llegan a producción de verdadStack técnico sólido y actualEspecialización real en StratioHorario pensado para organizar mejor tu semanaSalario claro desde el inicioSBA de ** €.Misión del rolTu misión será desarrollar, desplegar, operar y mantener soluciones de machine learning en entornos productivos, asegurando que los modelos sean fiables, trazables, monitorizables y sostenibles en el tiempo.Cómo será tu día a día en este proyectoDesarrollar soluciones en Python aplicadas a machine learning e ingeniería de datos.Desplegar y operar modelos ML en entornos productivos.Trabajar con Docker, Kubernetes y servicios cloud.Diseñar y mantener pipelines de datos y automatizaciones CI/CD para ML.Gestionar versionado de código y experimentos con Git, MLflow u otras herramientas equivalentes.Monitorizar modelos, detectar drift y participar en procesos de retraining.Configurar, administrar y optimizar componentes de Stratio.Colaborar en prácticas de MLOps, gobernanza, explicabilidad y operación continua.Qué te ayudará a tener éxito en esta posiciónHaber trabajado al menos 3 años en machine learning, ingeniería de datos o MLOps te permitirá entender bien el ciclo completo del modelo. Será clave que te muevas con comodidad en Python, cloud, Docker, Kubernetes, CI/CD y herramientas de control de experimentos.También encajarás especialmente bien si tienes experiencia en monitorización de modelos, retraining, drift, Spark, Airflow, Kubeflow, APIs de inferencia, microservicios o proyectos de industrialización de modelos ML.Da el siguiente pasoSi buscas un rol donde el machine learning no se queda en laboratorio, sino que se convierte en sistemas productivos estables, monitorizados y con recorrido técnico, esta posición puede darte continuidad, especialización y crecimiento real en MLOps.#J-*****-Ljbffr

Haber trabajado al menos 3 años en machine learning, ingeniería de datos o MLOps te permitirá entender bien el ciclo completo del modelo. Será clave que te muevas con comodidad en Python, cloud, Docker, Kubernetes, CI/CD y herramientas de control de experimentos. También encajarás especialmente bien si tienes experiencia en monitorización de modelos, retraining, drift, Spark, Airflow, Kubeflow, APIs de inferencia, microservicios o proyectos de industrialización de modelos ML.