Machine Learning Engineer

Machine Learning Engineer

Madrid Full Time 62100 - 75900 € / año (est.) Híbrido
M

De un vistazo

  • Tareas: Desarrollar soluciones de aprendizaje automático que mejoren la experiencia del cliente y optimicen flujos de datos.
  • Empresa: MediaRadar, líder en inteligencia publicitaria con un equipo innovador y colaborativo.
  • Beneficios: Salario competitivo, trabajo remoto, y oportunidades de desarrollo profesional.
  • Otra información: Ambiente dinámico con oportunidades de crecimiento profesional y desafíos técnicos emocionantes.
  • Por qué este empleo: Únete a un equipo de IA de vanguardia y marca la diferencia en el mundo de los datos.
  • Cualificaciones: Experiencia en Python, PostgreSQL y diseño de sistemas de aprendizaje automático.

El salario previsto está entre 62100 - 75900 € por año.

Ubicación: Este es un rol remoto trabajando desde España.

Resumen: MediaRadar, ahora incluyendo los datos y capacidades de Vivvix, potencia las decisiones críticas de marketing y ventas que impulsan la ventaja competitiva. Nuestra plataforma de inteligencia publicitaria competitiva permite a los clientes lograr un rendimiento óptimo con datos e información siempre disponibles que abarcan las estrategias de medios, creativas y comerciales de cinco millones de marcas en más de 30 canales de medios. Al traer el pasado, presente y futuro de la publicidad al foco, nuestros clientes actúan rápidamente sobre los movimientos competitivos y las tendencias publicitarias emergentes que impactan su negocio.

Estamos continuando para construir un equipo de IA y Aprendizaje Automático de clase mundial enfocado en entregar capacidades avanzadas que empoderen tanto a nuestra organización de datos como a nuestros clientes. Este equipo es responsable de desarrollar sistemas escalables e inteligentes que automaticen flujos de trabajo de datos complejos, mejoren la calidad de los datos y habiliten insights más inteligentes a través de tecnologías de IA, LLM y recuperación de vanguardia. Como Ingeniero de Aprendizaje Automático, serás un contribuyente clave en el diseño, implementación y optimización de soluciones de aprendizaje automático que potencian nuestros productos de datos y mejoran la experiencia de nuestros clientes. Este es un rol práctico para alguien que disfruta resolver problemas técnicamente desafiantes en la intersección de datos, ingeniería e IA.

Responsabilidades:

  • Recuperación y Relevancia: Mejorar la calidad de recuperación a través de la optimización de puntuaciones, métodos de fusión (RRF vs ponderado) y normalización de consultas. Implementar heurísticas y lógica de ajuste de relevancia para mejorar la precisión y el recuerdo de coincidencias. Diseñar y evaluar flujos de trabajo de recuperación híbridos combinando búsqueda semántica y léxica.
  • Desarrollo y Evaluación de Modelos: Construir, ajustar y evaluar agentes basados en LLM para tareas de clasificación, deduplicación y toma de decisiones. Desarrollar tuberías para medir precisión, recuerdo y fiabilidad del modelo. Implementar salvaguardias, umbrales y lógica de retroceso para asegurar resultados consistentes y explicables (observabilidad de Langfuse).
  • Ingeniería de Datos e Infraestructura: Optimizar trabajos de vectorización e ingestión de datos (lote, concurrencia, lógica de reintento y retrocesos). Mantener modelos ORM y migraciones de base de datos usando SQLAlchemy + pgvector y Alembic. Asegurar la consistencia del esquema de datos y la indexación eficiente de vectores con pgvector. Desarrollar flujos de trabajo ETL/ELT limpios y escalables para soportar la enriquecimiento de datos y la preparación para ML.
  • Excelencia Operacional: Crear herramientas de observabilidad, registro y paneles de métricas para soportar sistemas ML en producción. Producir exportaciones amigables para revisores, CLIs ligeros e informes analíticos para equipos de QA y operaciones. Contribuir a la documentación, estándares de diseño y mejores prácticas operativas para tuberías de ML.

Medidas de Éxito:

  • Rendimiento de Recuperación: Mejoras demostrables en el recuerdo, precisión y calidad de fusión del modelo.
  • Fiabilidad del Sistema: Ingestión y vectorización escalables y de alto rendimiento con tiempo de inactividad mínimo.
  • Impacto del Modelo: Mejora comprobada en automatización, deduplicación o precisión de clasificación.
  • Calidad del Código: Base de código robusta, bien probada y mantenible con documentación sólida.
  • Eficiencia Operacional: Ciclos de iteración más rápidos, reproducibilidad y ganancias de rendimiento medibles.

Requisitos:

  • Habilidades expertas en ingeniería Python — fuerte comprensión de tipado, empaquetado, async I/O y optimización de rendimiento.
  • Experiencia profunda en PostgreSQL — SQL, indexación (pg_trgm, ivfflat/hnsw) y optimización de planes de consulta.
  • Dominio en diseño de sistemas de aprendizaje automático con énfasis en recuperación, RAG o arquitecturas basadas en LLM.
  • Experiencia con LangChain, OpenAI/Azure OpenAI o marcos equivalentes de LLM.
  • Fuerte mentalidad de pruebas y evaluación (pytest, métricas, arneses de evaluación).
  • Experiencia práctica con agentes LLM y tuberías de Generación Aumentada por Recuperación (RAG).
  • Familiaridad con asyncio o ThreadPoolExecutor para procesos concurrentes limitados por I/O.
  • Experiencia con Docker, devcontainers o Kubernetes para implementaciones escalables.
  • Antecedentes en observabilidad, registro de métricas o marcos de evaluación fuera de línea (por ejemplo, Langfuse).
  • Exposición a bases de datos relacionales y NoSQL (PostgreSQL, MongoDB).
  • Experiencia integrando componentes de ML en APIs o servicios de grado de producción.

Machine Learning Engineer empresa: MediaRadar, Inc.

Nuestra empresa es un empleador excepcional que ofrece un entorno de trabajo colaborativo y dinámico en Madrid, donde la innovación y el desarrollo profesional son prioritarios. Fomentamos el crecimiento de nuestros empleados a través de oportunidades de formación continua y proyectos desafiantes, permitiendo que cada miembro del equipo contribuya significativamente al éxito de nuestros clientes mediante soluciones de inteligencia de datos de vanguardia. Además, trabajamos con tecnologías punteras como LangChain y Azure OpenAI, lo que garantiza que nuestros ingenieros estén siempre a la vanguardia del sector.

M

Datos de contacto:

Equipo de selección de MediaRadar, Inc.

Consejo de los expertos de StudySmarter🤫

Creemos que así podrías conseguir Machine Learning Engineer

✨Conéctate a Comunidades de Ciencia de Datos

Participa en foros y comunidades online como Kaggle o GitHub, donde puedes compartir proyectos de ciencia de datos y mostrar tus habilidades. Esto no solo te ayuda a aprender más, sino que también te da visibilidad ante reclutadores que están buscando talento.

✨Asiste a Meetups y Conferencias

Las conferencias de ciencia de datos y los meetups locales son una excelente manera de conocer a personas en la industria. Intenta asistir a eventos como PyData o Data Science Meetups en tu ciudad; así podrás establecer conexiones importantes y enterarte de oportunidades laborales como la de Machine Learning Engineer en MediaRadar, Inc..

✨Demuestra tus Habilidades con Proyectos Personales

Crea un portafolio en línea donde puedas presentar proyectos realizados por ti. Asegúrate de incluir muestras de tu trabajo en Python, R, o cualquier otra herramienta que domines. Esto hará que te destaques cuando postules a Machine Learning Engineer en MediaRadar, Inc..

✨Conéctate con Profesionales en LinkedIn

Haz uso de LinkedIn para seguir a empresas de ciencia de datos y conectar con quienes trabajan en ellas. Este tipo de estrategia puede abrirte puertas, ya que muchos reclutadores revisan perfiles antes de decidir a quién invitar a entrevistas para roles como Machine Learning Engineer.

Creemos que necesitas estas habilidades para triunfar como Machine Learning Engineer

Python
PostgreSQL
Machine Learning
Retrieval-Augmented Generation (RAG)
LangChain
OpenAI/Azure OpenAI
Async I/O

Algunos consejos para tu solicitud 🫡

Destaca tus habilidades técnicas:En el mundo de la ciencia de datos, es fundamental que tu CV incluya herramientas y lenguajes de programación específicos. No te olvides de mencionar tus conocimientos en Python, R o SQL, y cualquier experiencia relevante con bibliotecas como Pandas o TensorFlow. ¡Esto le dará un gran empujón a tu perfil ante MediaRadar, Inc.!

Proyectos y experiencias prácticas:Además de tu formación académica, es clave incluir proyectos anteriores donde hayas aplicado tus habilidades en ciencia de datos. Asegúrate de mencionar cualquier trabajo que hayas hecho, ya sea en la universidad o de manera independiente. Esto demuestra tu capacidad para resolver problemas reales y tu motivación para aprender en un entorno profesional.

Céntrate en resultados cuantificados:En tu carta de presentación y CV, incluye logros que puedas cuantificar. Por ejemplo, si has dirigido un proyecto que mejoró la eficiencia en un XX%, esto no solo impresiona, sino que demuestra tu capacidad para generar resultados concretos. Esto es especialmente atractivo para un puesto a tiempo completo en MediaRadar, Inc..

Personaliza tu carta de presentación:No te limites a copiar y pegar una carta estándar. Haz que tu carta sea única para MediaRadar, Inc.. Comenta por qué te apasiona la ciencia de datos y cómo encajas en la misión de la empresa. Aunque el CV es importante, una carta que muestre tu motivación y visión puede hacer la diferencia.

Cómo prepararte para una entrevista de trabajo en MediaRadar, Inc.

✨Prep para preguntas técnicas de datos

Sabemos que en el campo de la ciencia de datos es común que te hagan preguntas técnicas. Prepárate para discutir tus conocimientos en estadística, análisis de datos y programación en Python o R. Además, asegúrate de poder explicar tus proyectos anteriores y el proceso detrás de ellos, ¡es vital que muestres tu pensamiento crítico!

✨Demuestra tus habilidades con un portfolio impactante

Tener un portfolio que muestre tus proyectos de ciencia de datos es esencial. Asegúrate de incluir ejemplos de análisis complejos, visualización de datos e incluso modelos predictivos que hayas desarrollado. ¡Esto no solo muestra tu competencia técnica, sino que también puede dar pie a una conversación más profunda durante la entrevista!

✨Prepárate para discutir casos de uso de datos

En una entrevista para un puesto de ciencia de datos, a menudo te preguntarán sobre estudios de caso o situaciones del mundo real. Practica cómo explicar cómo aplicarías técnicas de análisis para resolver problemas específicos que podrían enfrentar en MediaRadar, Inc.. Esto demuestra que entiendes la aplicabilidad de tus habilidades.

✨Muestra tu entusiasmo y curiosidad

Como candidato a un puesto a tiempo completo, es crucial que muestres tu pasión por la ciencia de datos y tu deseo de aprender. Comparte tus intereses en las últimas tendencias de la IA o el machine learning, y menciona proyectos futuros que te gustaría explorar. Esto puede hacer que te destaques entre otros candidatos.