Descripción de la oferta
Machine Learning Engineer / MLOps (Python, Kubernetes, AI)
Ubicación: Madrid (100% remoto)
Incorporación: Lo antes posible
Sobre el rol
Serás responsable de operacionalizar, desplegar, monitorizar y mantener modelos de IA garantizando rendimiento, escalabilidad, estabilidad y trazabilidad. El foco principal será la gestión documental inteligente (OCR, clasificación, extracción y procesamiento de documentos) mediante microservicios de IA.
Responsabilidades principales
Despliegue y operación de modelos de Machine Learning en Kubernetes (IBM Cloud / IKS)
Construcción y mantenimiento de pipelines de inferencia (batch y tiempo real)
Optimización del rendimiento, escalabilidad y fiabilidad de los servicios de IA
Diseño y gestión de microservicios de inferencia y APIs REST (FastAPI)
Monitorización de sistemas y ajuste basado en métricas reales
Diagnóstico y resolución de incidencias en producción
Gestión de versionado de modelos y APIs (compatibilidad hacia atrás)
Colaboración estrecha con equipos de Data Science y Software Engineering
Traducción de requisitos de negocio a soluciones técnicas
Conocimientos técnicos clave
Comprensión sólida de pipelines de inferencia
Experiencia con modelos de OCR, NLP, clasificación y extracción
Capacidad para trabajar con modelos preentrenados entendiendo sus limitaciones
Experiencia con inferencias síncronas/asíncronas y batch vs real-time
Python (avanzado)
Desarrollo backend con Python
Programación asíncrona (async/await), concurrencia y gestión de recursos
Experiencia con frameworks como FastAPI o similares
Capacidad para detectar cuellos de botella y desarrollar código robusto para producción
Kubernetes (nivel medio-alto)
Experiencia con Pods, Deployments, Services, ConfigMaps y Secrets
Gestión de recursos (CPU/memoria)
Escalado horizontal (HPA)
Análisis y resolución de problemas de rendimiento y saturación
Entorno IBM Cloud (valorable)
IBM Kubernetes Service (IKS)
IBM Cloud Object Storage
Herramientas de logging y monitorización
Conocimiento de redes corporativas, proxies (Istio, ingress) y seguridad
Arquitectura y operación
Diseño y operación de microservicios de IA
Integración con sistemas backend
Observabilidad: métricas, logging estructurado y monitorización (Grafana)
Buenas prácticas de logging seguro
Conocimiento funcional
Gestión documental inteligente: OCR, clasificación y extracción
Procesamiento de múltiples formatos (PDF, Office, imágenes)
Sensibilidad a calidad de datos y casos borde
Colaboración
Trabajo conjunto con Data Science para integrar modelos en producción
Coordinación con Software Engineering en APIs y SLAs
Comunicación clara con perfiles técnicos y de negocio
Entorno de desarrollo
Experiencia trabajando en entornos Windows
Uso de Docker, Git, entornos virtuales y testing básico
Capacidad de replicar y depurar entornos localmente
Perfil buscado
Mentalidad orientada a producción (estabilidad y fiabilidad)
Capacidad analítica y resolución de problemas bajo presión
Autonomía y responsabilidad
Comunicación efectiva
Valorable
Experiencia en inferencias batch
Experiencia ajustando configuraciones de Kubernetes (no solo entornos gestionados)
Monitorización de consumo de recursos en modelos ML
Resumen
Buscamos un/a ingeniero/a con fuerte enfoque en MLOps, especializado/a en Python y Kubernetes, capaz de desplegar y operar modelos de IA en entornos corporativos, con foco en sistemas de gestión documental inteligente, observabilidad y cumplimiento de SLAs.
#J-18808-Ljbffr
