Data Scientist

Capgemini Engineering, líder mundial en servicios de ingeniería, reúne a equipos de ingenieros/as, científicos/as y desarrolladores/as para ayudar a las compañías más innovadoras a liberar su potencial y construir un futuro mejor. Únete al equipo y continúa tu carrera en una compañía con oportunidades reales de crecimiento, donde puedes marcar la diferencia y donde ningún día es igual al anterior.

Estamos buscando un/a Data Scientist para incorporarse a un proyecto presencial con sede en Madrid y Barcelona, centrado en el diseño, desarrollo y evaluación de modelos avanzados de Machine Learning, NLP y Generative AI.

Funciones principales

Diseñar, entrenar y evaluar modelos predictivos y de machine learning.
Desarrollar soluciones basadas en NLP, incluyendo extracción de información, clasificación, embeddings y análisis de texto.
Participar en el diseño e implementación de pipelines de datos y procesos de feature engineering.
Aplicar técnicas de Generative AI para acelerar procesos, construir asistentes, chatbots o sistemas basados en LLMs.
Desarrollar experimentos, definir métricas y garantizar la calidad y robustez de los modelos.
Colaborar con equipos técnicos y funcionales para transformar requisitos en soluciones viables.
Contribuir a la mejora continua de modelos, documentación y buenas prácticas en ciencia de datos.

Requisitos necesarios

Formación universitaria en Ingeniería, Matemáticas, Informática, Estadística o áreas afines.
Experiencia previa en Machine Learning, modelos predictivos o NLP.
Conocimientos sólidos en Python y librerías de ML/DL (Scikit‑learn, TensorFlow, PyTorch).
Experiencia trabajando con procesamiento de texto, embeddings o transformers.
Familiaridad con GenAI (OpenAI, Azure OpenAI, Hugging Face o herramientas similares).
Conocimientos de control de versiones con Git.
Conocimientos en herramientas y tecnologías de cloud computing.
Inglés nivel B2 o superior.

Se valorará

Experiencia en RAG, agentes o aplicaciones basadas en LLMs.
Experiencia en Computer Vision.
Conocimientos de MLOps y despliegue de modelos (Docker, MLflow, CI/CD).
Experiencia en Spark o PySpark.
Participación en proyectos de innovación o open source.