Elegir Capgemini significa elegir una empresa donde tendrás la libertad de diseñar tu carrera profesional como desees, con el respaldo y la inspiración de una comunidad colaborativa de colegas en todo el mundo. Aquí podrás reinventar lo que es posible. Únete a nosotros y ayuda a las organizaciones líderes en el mundo a descubrir el valor de la tecnología y construir un mundo más sostenible e inclusivo.
Tenemos un equipo de Data & AI que estará encantado de contar contigo. ¿Te apetece sumarte?
Estamos buscando un Machine Learning Engineer para trabajar en soluciones avanzadas de Machine Learning y Generative AI . Este rol no consiste únicamente en consumir APIs o utilizar librerías prefabricadas, sino en comprender profundamente cómo funcionan los modelos y los sistemas, adaptando o modificando componentes existentes cuando sea necesario y contribuyendo a la definición técnica de nuevas soluciones.
Buscamos especialmente a alguien que vaya más allá del uso superficial de las herramientas: una persona con la profundidad técnica para razonar sobre modelado, entrenamiento, arquitectura y comportamiento de modelos, y con la capacidad de entender por qué un enfoque funciona, cuándo falla y cómo puede mejorarse.
¿Qué harás en el proyecto? ¿Cuál será tu rol?
- Diseñar, implementar y mantener pipelines de Machine Learning escalables y robustos utilizando Databricks, MLflow y Delta Lake.
- Desarrollar prácticas MLOps avanzadas: versionado, CI/CD, automatización, monitoreo y gobernanza de modelos.
- Colaborar con equipos de Data Science, Data Engineering y Arquitectura para asegurar despliegues eficientes, reproducibles y seguros.
- Optimizar costes, rendimiento y trazabilidad en entornos cloud (Azure/AWS).
- Definir buenas prácticas y estándares de ingeniería aplicada a ML.
- Gestionar y mejorar la infraestructura necesaria para el ciclo de vida completo del modelo.
- Aportar visión técnica, mentoría y liderazgo en iniciativas de MLOps dentro del área.
Para desenvolverte bien en la posición se requieren conocimientos en/de:
- +4–5 años de experiencia en entornos de MLOps o Machine Learning Engineering.
- Bases muy sólidas en Machine Learning y Deep Learning .
- Comprensión profunda de conceptos fundamentales como gradient descent , backpropagation , funciones de pérdida, optimización, dinámica de entrenamiento, regularización y comportamiento de modelos.
- Sólido entendimiento de mecanismos de atención y arquitecturas basadas en Transformers .
- Conocimiento firme de modelos como BERT, GPT y técnicas de adaptación/entrenamiento como LoRA.
- Capacidad de razonar sobre estos temas no solo desde una perspectiva práctica, sino también conceptual y matemática, con una clara comprensión de los avances más importantes del campo en los últimos años.
- Experiencia sólida en Python.
Valoramos también:
- Experiencia práctica con Generative AI, incluyendo RAG, sistemas agentivos o grafos de conocimiento.
- Mentalidad de prototipado rápido, flexibilidad y una actitud fuerte.
- Curiosidad, ganas de aprender y deseo de mantenerse actualizado.
No buscamos necesariamente a alguien que conozca en profundidad cada librería, framework o ecosistema de herramientas. La familiaridad con herramientas como LangChain, LangGraph o frameworks similares es un plus, pero no es nuestra prioridad principal. Valoramos mucho más unas bases fuertes en ML/DL, un entendimiento real de cómo funcionan los modelos y la capacidad de aprender, adaptarse y construir con criterio técnico sólido.
Sería un gran encaje para este rol alguien que pueda responder con solidez preguntas como cómo entrenaría un determinado modelo, o qué modelo y técnicas elegiría para problemas como clasificación, segmentación, NLP u otras tareas relacionadas de ML, y explicar claramente el razonamiento detrás de esas decisiones.
Este rol encaja especialmente bien con candidatos que tienden a pensar primero en términos de modelos, datos, objetivos, estrategias de entrenamiento y trade-offs , en lugar de recurrir directamente a envolver cada problema en una solución basada en agentes. Los frameworks agentivos pueden ser útiles en el contexto adecuado, pero no sustituyen unos fundamentos sólidos de ML y DL.
Valoramos todas las candidaturas y ofrecemos formación presencial, online y certificaciones. Aunque no cumplas el 100% de los requisitos, ¡queremos conocerte!
¿Qué te gustará de trabajar aquí?
- Proyectos variados y desafiantes: Trabajarás en retos multisectoriales, evitando la rutina y exponiéndote a tecnologías diversas.
- Flexibilidad y modelo híbrido: Cultura orientada al equilibrio vida‑trabajo.
- Aprendizaj
