> Markdown version of [/jobs/ext/4752030-ml-engineer-forecasting-series-temporales-y-optimizacion-matematica](https://www.wearedevelopers.com/jobs/ext/4752030-ml-engineer-forecasting-series-temporales-y-optimizacion-matematica). 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). --- # Ml Engineer - Forecasting, Series Temporales Y Optimización Matemática - **Company:** Grupo TECDATA Engineering - **Location:** A Coruña, Spain - **Contract:** Apprenticeship - **Skills:** Apache HTTP Server, Microsoft Azure, Computer Engineering, Github, Python (Programming Language), Machine Learning, SQL Databases, Management of Software Versions, Git, Pyspark, Scikit Learn, Machine Learning Operations, Databricks - **Published:** November 17, 2026 - **Apply:** https://www.buscojobs.com.es/ml-engineer-forecasting-series-temporales-y-optimizacion-matematica-en-la-coruna-ID-381583597 ## About the Role productivos mediante buenas prácticas de MLOps.Trabajar con plataformas analíticas y entornos distribuidos como Azure Databricks y PySpark.Documentar los modelos, experimentos, resultados y decisiones técnicas.Requisitos imprescindiblesTitulación universitaria en Ingeniería Informática, Matemáticas, Física, Estadística, Data Science o similar.Entre 2 y 5 años de experiencia en Machine Learning, Data Science o desarrollo de soluciones analíticas.Python avanzado aplicado a Machine Learning y modelización.Experiencia práctica en Machine Learning tradicional: entrenamiento, evaluación, validación y optimización de modelos.Conocimientos sólidos de series temporales, forecasting y previsión de demanda.Conocimientos aplicados de optimización matemática, programación matemática, heurísticas o investigación operativa.Experiencia con modelos supervisados y técnicas de evaluación de modelos.SQL para consulta, transformación y validación de datos.Conocimientos de PySpark / Apache Spark.Experiencia con Azure Databricks o plataformas equivalentes.Conocimientos de Git y metodologías de desarrollo colaborativo.Inglés técnico suficiente para trabajar con documentación y librerías especializadas.Tecnologías y herramientasMachine Learning y ForecastingPython, Scikit-learn, LightGBM.Prophet, StatsForecast, MLForecast o Nixtla.Modelos de regresión y aprendizaje supervisado.Modelos de series temporales y previsión de demanda.Optimización MatemáticaProgramación matemática.Optimización de restricciones.Heurísticas y algoritmos de optimización.Investigación operativa y optimización de decisiones.Entorno TecnológicoPython, SQL, PySpark y Apache Spark.Azure Databricks.MLflow.Git y herramientas CI/CD.Se valoraráExperiencia en banca, sector financiero, retail o entornos operativos.Experiencia en proyectos de previsión de demanda y planificación de recursos.Conocimientos de MLOps, versionado y monitorización de modelos.Experiencia migrando modelos desde notebooks a entornos productivos.Conocimientos de Azure y herramientas corporativas de gobierno de modelos.Experiencia con procesos batch de entrenamiento, predicción y optimización.Uso de herramientas de IA aplicadas al desarrollo, como GitHub Copilot.Competencias personalesCapacidad analítica y orientación a la resolución de problemas.Criterio técnico para evaluar y mejorar modelos.Autonomía y capacidad de aprendizaje.Comunicación con equipos técnicos y de negocio.Orientación a resultados y mejora continua.CondicionesSalario: hasta ****** € brutos anuales.Modalidad: 100% remoto.Proyecto en el sector bancario con Santander.Participación en un proyecto de Machine Learning aplicado a previsión de demanda y optimización operativa. ## Description Python avanzado aplicado a Machine Learning y modelización.Ubicación: 100% remotoCliente: SantanderSalario: Hasta ****** € brutos anualesProyecto: Gestión de efectivo y previsión de demanda en el sector bancario.Sobre el proyectoBuscamos un/a Machine Learning Engineer para incorporarse a un proyecto estratégico en el sector bancario, orientado a la previsión de demanda y optimización de la gestión de efectivo.La persona seleccionada participará en el análisis, desarrollo, validación y mejora de modelos de Machine Learning tradicionales, especialmente modelos de series temporales, forecasting y optimización matemática aplicados a problemas operativos y de negocio.Se requiere una base sólida en modelización predictiva, entrenamiento y evaluación de modelos, así como conocimientos de optimización para mejorar la toma de decisiones.También participará en la adaptación y productivización de los modelos en entornos corporativos.Responsabilidades principalesAnalizar, desarrollar, entrenar y validar modelos de Machine Learning supervisado.Trabajar con modelos de series temporales y forecasting para la previsión de demanda.Evaluar y comparar diferentes enfoques de modelización, analizando precisión, estabilidad y capacidad predictiva.Optimizar modelos de forecasting y proponer mejoras en los algoritmos y estrategias de entrenamiento.Trabajar con modelos de optimización matemática aplicados a la asignación de recursos, planificación y toma de decisiones operativas.Analizar problemas de optimización de denominaciones y gestión de efectivo.Evaluar la combinación de modelos predictivos con algoritmos de optimización y reglas de negocio.Participar en el diseño y mejora de procesos de entrenamiento, inferencia y reentrenamiento de modelos.Colaborar en la adaptación de modelos a entornos productivos mediante buenas prácticas de MLOps.Trabajar con plataformas analíticas y entornos distribuidos como Azure Databricks y PySpark.Documentar los modelos, experimentos, resultados y decisiones técnicas.Requisitos imprescindiblesTitulación universitaria en Ingeniería Informática, Matemáticas, Física, Estadística, Data Science o similar.Entre 2 y 5 años de experiencia en Machine Learning, Data Science o desarrollo de soluciones analíticas.Python avanzado aplicado a Machine Learning y modelización.Experiencia práctica en Machine Learning tradicional: entrenamiento, evaluación, validación y optimización de modelos.Conocimientos sólidos de series temporales, forecasting y previsión de demanda.Conocimientos aplicados de optimización matemática, programación matemática, heurísticas o investigación operativa.Experiencia con modelos supervisados y técnicas de evaluación de modelos.SQL para consulta, transformación y validación de datos.Conocimientos de PySpark / Apache Spark.Experiencia con Azure Databricks o plataformas equivalentes.Conocimientos de Git y metodologías de desarrollo colaborativo.Inglés técnico suficiente para trabajar con documentación y librerías especializadas.Tecnologías y herramientasMachine Learning y ForecastingPython, Scikit-learn, LightGBM.Prophet, StatsForecast, MLForecast o Nixtla.Modelos de regresión y aprendizaje supervisado.Modelos de series temporales y previsión de demanda.Optimización MatemáticaProgramación matemática.Optimización de restricciones.Heurísticas y algoritmos de optimización.Investigación operativa y optimización de decisiones.Entorno TecnológicoPython, SQL, PySpark y Apache Spark.Azure Databricks.MLflow.Git y herramientas CI/CD.Se valoraráExperiencia en banca, sector financiero, retail o entornos operativos.Experiencia en proyectos de previsión de demanda y planificación de recursos.Conocimientos de MLOps, versionado y monitorización de modelos.Experiencia migrando modelos desde notebooks a entornos productivos.Conocimientos de Azure y herramientas corporativas de gobierno de modelos.Experiencia con procesos batch de entrenamiento, predicción y optimización.Uso de herramientas de IA aplicadas al desarrollo, como GitHub Copilot.Competencias personalesCapacidad analítica y orientación a la resolución de problemas.Criterio técnico para evaluar y mejorar modelos.Autonomía y capacidad de aprendizaje.Comunicación con equipos técnicos y de negocio.Orientación a resultados y mejora continua.CondicionesSalario: hasta ****** € brutos anuales.Modalidad: 100% remoto.Proyecto en el sector bancario con Santander.Participación en un proyecto de Machine Learning aplicado a previsión de demanda y optimización operativa.#J-*****-Ljbffr