Data Scientist | MLOps & Advanced Analytics
hace 1 día
O Rosal
Data Scientist | MLOps, Python y entornos cloud ¿Interesado en saber más sobre este trabajo? Desplácese hacia abajo y descubra qué habilidades, experiencia y cualificaciones académicas se necesitan. Trabajarás en el desarrollo, despliegue y operación de soluciones de machine learning dentro de entornos productivos, participando en proyectos donde la escalabilidad, la automatización y la fiabilidad de los modelos son clave. Formarás parte de SCI ServiClients, un entorno cercano y estable donde podrás aportar tu experiencia técnica con autonomía, apoyo real y continuidad en proyectos. Cómo será tu día a día en este proyecto Desarrollo y despliegue de modelos de machine learning Participarás en la creación, validación y puesta en producción de modelos en entornos reales. Trabajo en entornos MLOps Gestionarás el ciclo de vida completo de modelos, desde el desarrollo hasta su monitorización en producción. Automatización y pipelines de datos Diseñarás pipelines robustos para entrenamiento, validación y despliegue mediante prácticas CI/CD aplicadas a ML. Contenedorización y orquestación Trabajarás con tecnologías como Docker y Kubernetes para garantizar escalabilidad y eficiencia. Monitorización y mantenimiento de modelos Analizarás el comportamiento de los modelos en producción, gestionando drift, retraining y mejoras continuas. Trabajo en entornos cloud Participarás en proyectos desplegados en AWS, Azure o GCP, utilizando servicios específicos de machine learning. Uso de plataforma Stratio Trabajarás con la plataforma, participando en la configuración, administración y optimización de sus componentes. Cómo es trabajar en SCI ServiClients Trato cercano y comunicación directa No eres un número. Tendrás acceso rápido al equipo y una relación ágil y humana. Apoyo real en el día a día Ante cualquier situación, tendrás respaldo y acompañamiento. Buen ambiente y compañerismo Se fomenta la colaboración, haciendo que el día a día sea más llevadero. Estabilidad y tranquilidad Condiciones claras y continuidad en proyectos para que puedas centrarte en tu trabajo. Proyectos variados y crecimiento profesional Podrás evolucionar pasando por distintos entornos y clientes. Confianza y autonomía Se valora tu criterio y tu forma de trabajar. Gestión sencilla y transparente Procesos claros para horas, documentación y tareas administrativas. Tu misión en este rol Tu misión será garantizar el correcto desarrollo, despliegue y mantenimiento de modelos de machine learning en entornos productivos, asegurando su rendimiento, escalabilidad y estabilidad. Participarás en el ciclo completo de vida del dato y del modelo, colaborando en tareas de desarrollo, automatización, monitorización y mejora continua dentro de un entorno estructurado. En tu día a día: • Desarrollarás soluciones de machine learning en Python., • Diseñarás y mantendrás pipelines de datos y procesos automatizados., • Desplegarás modelos en entornos productivos usando Docker y Kubernetes., • Implementarás procesos de CI/CD aplicados a ML., • Monitorizarás modelos en producción, gestionando drift y retraining., • Trabajarás con herramientas como Git, MLflow u otras de control de experimentos., • Participarás en entornos cloud (AWS, Azure o GCP). Formación en ámbito STEM Titulación en Ingeniería Informática, Telecomunicaciones, Matemáticas u otras disciplinas relacionadas. Experiencia en machine learning o MLOps Al menos 3 años trabajando en desarrollo, despliegue o mantenimiento de modelos o pipelines de datos. Dominio de Python aplicado a datos Será clave para desarrollar soluciones robustas y eficientes. Experiencia en entornos productivos Haber trabajado con modelos en producción te permitirá aportar valor desde el inicio. Conocimientos en contenedorización Experiencia con Docker y Kubernetes para despliegues escalables. Automatización y pipelines Experiencia en CI/CD aplicado a machine learning. Control de experimentos y versionado Uso de herramientas como Git, MLflow u otras similares. Experiencia en cloud Conocimiento de AWS, Azure o GCP aplicado a entornos de datos y ML. Monitorización de modelos Experiencia en gestión de drift, retraining y mantenimiento continuo. Experiencia con Stratio Conocimiento práctico de la plataforma (mínimo 3 años), incluyendo configuración y optimización. Requisitos valorables • Experiencia con herramientas MLOps (Kubeflow, Airflow, Metaflow, etc.)., • Conocimientos en procesamiento distribuido (Spark, pipelines de datos)., • Experiencia en microservicios y APIs para inferencia., • Conocimientos en gobernanza y explicabilidad de modelos., • Experiencia en proyectos de inteligencia artificial o analítica avanzada. xcskxlj, • Participación en procesos de industrialización de modelos. Si buscas un proyecto estable donde seguir creciendo como Data Scientist dentro de entornos MLOps, trabajando con tecnologías actuales y participando en proyectos de machine learning en producción, esta puede ser una buena oportunidad para ti. Tendrás la posibilidad de aportar en un entorno técnico sólido, con autonomía, estabilidad y un equipo cercano que acompaña en el día a día.