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, discapacidad, orientación sexual, raza, religión o cualquier otra condición personal o social.