Ingeniero MLOps

• Sólida experiencia contribuyendo y manteniendo plataformas y pipelines de ML listos para producción. Entiendes el ciclo de vida desde la experimentación hasta la monitorización.

• Sólido conocimiento de los componentes de AWS (SageMaker, Lambda, S3) y de la orquestación de contenedores con Kubernetes.

• Sólida formación en ingeniería de software con dominio de Python, Git y flujos de trabajo CI/CD. Escribes código robusto y testeable.

• Experiencia con arquitecturas de ML en tiempo real, aprovechando herramientas como Kafka para la ingesta e inferencia de baja latencia.

• Experiencia práctica con bases de datos vectoriales o infraestructura de búsqueda semántica (por ejemplo, OpenSearch, Vertex AI), incluyendo el ajuste de indexación y recuperación.

• Familiaridad con el conjunto de herramientas de ML más amplio, como herramientas de orquestación/seguimiento (Flyte, MLFlow, Feast) y librerías estándar (Pandas, Scikit-learn, TensorFlow/PyTorch).

• Competencia profesional en inglés, con capacidad para comunicar conceptos técnicos de forma clara a diversos interlocutores.

• Experiencia práctica trabajando con LLMs, arquitecturas RAG y librerías como LangChain o LlamaIndex.

• Familiaridad con tecnologías de Big Data como Spark o Beam.

• Experiencia con herramientas de Data Engineering como Airflow, dbt o Datahub.

• Experiencia con otras plataformas en la nube como GCP o Azure, además de AWS.

Además de la oportunidad de contribuir a un entorno de producto ágil y trabajar juntos para lograr nuestra misión significativa, ofrecemos los siguientes 🍭 Perks & Benefits:

• Generoso presupuesto individual de aprendizaje de 2k al año
• Comidas gratuitas en la oficina, selección de almuerzos de diferentes proveedores
• Clases de inglés, catalán y español, tanto grupales como individuales, como parte de nuestra jornada laboral
• Seguro médico privado con Alan
• Horario de trabajo flexible + viernes intensivos
• Retribución flexible para deducir del salario bruto (guardería/comida/transporte)
• Plan de gimnasio y bienestar, incluyendo fisioterapeuta en la oficina
• Generoso programa de referidos y donaciones benéficas
• Bonus por matrimonio y nacimiento de hijos
• Wallapop Renta (apoyo para la declaración de la renta)
• Plan mensual de envíos gratuitos, bumps y recogida en domicilio en nuestros servicios
• Regalos por aniversario laboral y sorpresas de cumpleaños
• Contribución para tu WIFI en tu nómina mensual
• Pago único basado en el paquete de compensación para la configuración de tu oficina en casa
• Paquete de relocalización (apoyo económico y asesoramiento legal) y patrocinio de visado, si procede
• 26 días de vacaciones al año
• Hardware TOP de tu elección (último modelo de Apple o Windows)

Wallapop genera miles de millones de puntos de datos cada día. Con una infraestructura de datos madura ya implementada, nuestra área de Data Science y Machine Learning está ganando un impulso significativo. A medida que escalamos, nos enfrentamos al emocionante reto de llevar nuestra ML Platform al siguiente nivel para dar soporte a soluciones complejas en Personalización, Búsqueda, Trust & Safety y Logística. Como ML Engineer (MLOps), contribuirás a la evolución de nuestra ML Platform y de la práctica de MLOps. Colaborarás con Data Scientists, Data Engineers y DevOps para trabajar en una visión que equilibre la innovación con la fiabilidad, asegurando que nuestros modelos escalen de forma eficiente para dar servicio a millones de usuarios.

• Iterar y mantener la ML Platform de Wallapop, identificando oportunidades para mejorar la velocidad, la fiabilidad y la mantenibilidad. Ayudarás a ejecutar la visión a largo plazo y la hoja de ruta para MLOps.

• Trabajar mano a mano con los Data Scientists para apoyar sus esfuerzos, asegurando que dispongan de las herramientas necesarias para desarrollar, desplegar y monitorizar modelos escalables de manera eficiente.

• Adoptar y promover las mejores prácticas de ingeniería (estándares de codificación, testing, CI/CD) dentro del dominio de ML.

• Colaborar con Data Engineering y DevOps para alinear el desarrollo de ML con la infraestructura de la empresa y los estándares de gobernanza de datos.

• Investigar e integrar nuevos frameworks y herramientas (por ejemplo, para LLMs o inferencia en tiempo real) para mantener nuestro stack moderno y eficaz.

Ten en cuenta que todos nuestros puestos están 📍 basados en Barcelona. Seguimos un modelo híbrido donde prima la flexibilidad. Nos comprometemos a un mínimo de 6 días al mes en la oficina. Cada equipo se autoorganiza para decidir la cadencia y los rituales presenciales/remotos.