ML Engineer – Productivización de Modelos

Somos Métrica Consulting, una consultora de negocio, integración de sistemas, servicios y soluciones IT, comprometida con la Sociedad de la información y el desarrollo tecnológico.

Buscamos un/a ML Engineer con experiencia en productivización de modelos, previsión de demanda y modelos de optimización, para participar en la industrialización de un caso de uso de gestión de efectivo en banco.

Responsabilidades principales

• Productivizar modelos de Machine Learning, adaptándolos a los estándares técnicos, operativos y de gobierno del banco.
• Analizar, validar y optimizar modelos de previsión de demanda y modelos de optimización para facilitar su paso a producción.
• Diseñar e implementar pipelines de entrenamiento, inferencia y despliegue en entornos Databricks/PySpark, integrándolos con herramientas corporativas como MLflow o Delphi.
• Aplicar buenas prácticas de MLOps: versionado, trazabilidad, testing, CI/CD, monitorización y documentación.
• Gestionar el ciclo de vida de los modelos, incluyendo estrategias de reentrenamiento, actualización y mantenimiento.
• Diagnosticar y resolver incidencias en producción, identificando causas raíz y proponiendo mejoras.
• Colaborar con equipos multidisciplinares (Data Engineering, Data Science, Plataforma y Negocio) para asegurar una implantación robusta de las soluciones.
• Utilizar herramientas de IA como apoyo al desarrollo y al análisis, manteniendo siempre el criterio técnico sobre los resultados.

¿Qué podemos ofrecerte?

• Contrato indefinido.
• Proyecto con duración de 6 meses con posibilidad de continuidad.
• Modalidad teletrabajo.
• Formación online en aquellas áreas que resulten de tu interés.
• Jornada completa.
• Salario valorable.

• Entre 2 y 5 años de experiencia como ML Engineer, MLOps Engineer, Data Science Engineer o en un rol similar.
• Experiencia productivizando modelos de Machine Learning en entornos de producción.
• Experiencia con modelos de previsión de demanda (forecasting) y series temporales.
• Conocimiento práctico de modelos de optimización aplicados a problemas de negocio.
• Dominio de Python para desarrollo de soluciones de Machine Learning.
• Experiencia con SQL, PySpark y Apache Spark.
• Experiencia en Azure Databricks o plataformas equivalentes.
• Conocimiento de MLflow o herramientas similares para la gestión del ciclo de vida de modelos.
• Experiencia con Git y herramientas de CI/CD.
• Conocimiento de buenas prácticas de MLOps, testing, monitorización y documentación.
• Titulación universitaria en Ingeniería Informática, Matemáticas, Física, Estadística, Data Science o disciplina técnica equivalente.
• Nivel de inglés técnico.