Machine Learning Engineer (todos los géneros)

Convertirás modelos y métodos basados en datos en servicios fiables. No se trata solo de la calidad del modelo, sino también de procesamiento reproducible, inferencia estable y cambios medibles tras un lanzamiento. Junto con los equipos de software y datos evaluarás qué modelos y formas de operación se adaptan a la tarea.

Un modelo puede obtener buenos resultados en el experimento y aun así fallar en la aplicación. Comprobarás la distribución de datos, el preprocesamiento y la separación de datos de entrenamiento y prueba. Los modelos, la configuración y las versiones de datos se versionan de forma trazable. Al lanzar compararás calidad, necesidad de recursos y tiempo de respuesta. La supervisión debe detectar cambios en los datos de entrada o una caída de la calidad de resultados; se prueba expresamente la vuelta a una versión anterior.

• Implementar pipelines reproducibles de entrenamiento, validación e inferencia y hacer trazables las versiones de datos y modelos.
• Proporcionar modelos como servicios; evaluar necesidad de recursos, throughput y tiempos de respuesta mediante pruebas de carga.
• Definir métricas de calidad y baselines de comparación adecuadas, detectar fugas de datos y documentar resultados de forma comprensible.
• Diseñar supervisión para calidad del modelo y cambios de datos y permitir actualizaciones y rollbacks controlados.
• Vincular versiones de datos y modelos con métricas de prueba, configuración y artefactos de lanzamiento.
• Comprobar la inferencia con carga variable y probar rollbacks de modelos, incluidos formatos de entrada.

Lo decisivo es una experiencia relevante para el puesto y demostrable. Puede proceder de una formación adecuada, estudios universitarios, práctica profesional o una reconversión sólida. Acordaremos la responsabilidad concreta en función de tus conocimientos.

• Experiencia práctica con Python y fundamentos sólidos de estadística, evaluación de modelos y preparación de datos.
• Experiencia con al menos un framework de ML y con el despliegue de modelos como aplicación o servicio.
• Comprensión de pruebas automatizadas, control de versiones y separación limpia entre entrenamiento y evaluación.

Estos conocimientos son útiles, pero no es necesario tenerlos todos a la vez. Describe en tu solicitud en qué ámbitos ya has trabajado de forma práctica y en cuáles quieres profundizar.

• Experiencia con MLOps, seguimiento de experimentos o pipelines de features.
• Conocimientos de inferencia con GPU, cuantización o entornos de contenedores reproducibles.

Entregarás servicios de modelos reproducibles con límites documentados y una evolución de calidad trazable. Una mejor puntuación offline solo se convierte en lanzamiento cuando también se han comprobado la operabilidad y el beneficio empresarial.

Para este puesto son posibles Colonia y el trabajo en remoto. Antes de empezar acordaremos la colaboración concreta, los requisitos de los proyectos y, en su caso, las reuniones necesarias con clientes.

Para este puesto está previsto un contrato laboral a jornada completa o parcial. Acordaremos las tareas, el número de horas, la fecha de inicio y la remuneración de acuerdo con el puesto y tus conocimientos.

Muéstranos en tu solicitud qué experiencias o intereses aportas para este puesto. Un currículum, así como ejemplos de proyectos, certificados o muestras de trabajo relevantes, nos ayudan en la valoración profesional. No envíes datos confidenciales de clientes, credenciales de acceso ni código fuente protegido.

Indícanos el modelo de trabajo que deseas, tu posible fecha de inicio y si quieres trabajar a jornada completa o parcial.

Si tienes preguntas sobre el puesto, puedes contactar con nuestro equipo de selección en hr@otoko.com. La inclusión en la bolsa de candidatos es voluntaria y solo se realiza con un consentimiento separado; no es un requisito para evaluar tu solicitud.