Description du poste
Machine Leaarning Engineer Descripción ML Engineer MLOps Forecasting Python Databricks PySpark Contratación por Zemsania Proyecto en el sector bancario ¿Qué buscamos?Buscamos un/a ML Engineer con entre 2 y 5 años de experiencia en desarrollo e industrialización de soluciones de Machine Learning, especialmente en modelos predictivos, forecasting y optimización. La persona se incorporará a un proyecto orientado a llevar a producción modelos ya desarrollados, principalmente de previsión de demanda y optimización de decisiones operativas relacionadas con la gestión de efectivo. Condiciones del proyecto Ubicación: Remoto 100 . Sector: Banca. Experiencia requerida: entre 2 y 5 años de experiencia. Contratación: por Zemsania. Requisitos mínimos Formación en Informática, Matemáticas, Física, Estadística, Data Science o equivalente técnico. Entre 2 y 5 años de experiencia en Machine Learning, MLOps o Data Science Engineering. Experiencia demostrable llevando modelos a entornos productivos. Conocimientos de forecasting, series temporales y predicción de demanda. Conocimientos de modelos de optimización aplicados a planificación, asignación de recursos y restricciones de negocio. Python avanzado y experiencia en Machine Learning supervisado y validación de modelos. SQL, PySpark/Spark y Azure Databricks o plataformas equivalentes. Git y CI/CD (Jenkins, GitHub Actions u otras herramientas). MLflow o herramientas de seguimiento, registro y gestión de modelos. Buenas prácticas de ingeniería: modularización, testing, logging, gestión de errores y documentación. Español fluido e inglés técnico. Se valorará Experiencia con Nixtla, StatsForecast, MLForecast, LightGBM, Prophet o scikit-learn. Experiencia con MLOps: versionado, monitorización, reentrenamiento, trazabilidad y gobernanza. Azure, inferencia batch, Kafka o arquitecturas event streaming. Experiencia en banca, finanzas, retail u operaciones. Migración de notebooks y prototipos a soluciones productivas. Integración de modelos predictivos con modelos de optimización. Uso de herramientas de IA para apoyar el desarrollo, como GitHub Copilot. Funciones principales Industrializar modelos de forecasting y optimización, llevándolos a producción. Revisar y simplificar modelos existentes para facilitar su mantenimiento y despliegue. Diseñar pipelines de entrenamiento, inferencia y predicción con Databricks y PySpark. Gestionar el ciclo de vida de los modelos: versionado, validación, registro, monitorización y reentrenamiento. Integrar los modelos con MLflow y las herramientas corporativas de gobierno y despliegue. Optimizar modelos de previsión de demanda y decisiones operativas relacionadas con la gestión de efectivo y denominaciones. Resolver incidencias productivas y analizar sus causas. Colaborar con equipos de Data Engineering, Model Development, Plataforma, Negocio y Producto. Elaborar documentación técnica y procedimientos de ejecución, diagnóstico y mantenimiento. Objetivo del proyecto Conseguir que los modelos existentes sean robustos, escalables y mantenibles en producción, asegurando su integración en el ecosistema corporativo y mejorando los procesos de previsión y optimización operativa. Contratación La contratación será por Zemsania. Compromiso con la igualdad En Zemsania, creemos en la igualdad de oportunidades y en la diversidad como valores fundamentales para el éxito de nuestra organización. Por ello, garantizamos un proceso de selección basado en el mérito y sin discriminación por motivos de género, edad, disca