DESCRIPCIóN
En SerdatIA buscamos un/a Junior Data & AI Engineer para incorporarse a nuestro equipo de Data & AI.
Este Pull Request representa la incorporación de un/a nuevo/a colaborador/a que nos ayudará a diseñar, construir y evolucionar plataformas de datos escalables y soluciones inteligentes.
Si disfrutas resolviendo problemas complejos, trabajando con tecnologías modernas y transformando datos en valor real para el negocio, este PR puede ser para ti.
Descripción del Pull Request
¿Por qué abrimos este PR?
Nuestro equipo sigue creciendo y buscamos un/a ingeniero/a capaz de aportar en proyectos reales de Big Data e Inteligencia Artificial.
Trabajarás junto a ingenieros, arquitectos y especialistas en datos construyendo soluciones basadas en arquitecturas cloud, procesamiento Big Data e IA Generativa.
Cambios incluidos
Data Engineering
Construcción de pipelines de datos desde su extracción e ingesta hasta su procesamiento y disponibilización Desarrollo de procesos ETL / ELT Integración de datos desde múltiples fuentes estructuradas, semi estructuradas y no estructuradas Experiencia real en procesos Batch y Streaming o NRT Procesamiento Big Data con casos reales de proyectos con gran volumetría Optimización de procesos, de jobs de spark Principios básicos de arquitecturas Lakehouse Modelado y transformación de datos para diferentes casos de negocio Trabajo real aplicando buenas prácticas de calidad, gobernanza y trazabilidad del dato Monitorización y resolución de incidencias de diferentes naturalezas
Cloud Engineering
Desarrollo de soluciones Cloud con experiencia real en producción Diseño de arquitecturas utilizando servicios Cloud de cualquiera de los principales proveedores Cloud (Azure, AWS, GCP) Automatización de procesos de puesta en producción con herramientas DevOps y CI/CD Cierto grado de experiencia en tareas de FinOps para la optimización de rendimiento y costes Configuración y optimización de servicios de almacenamiento, procesamiento y computación Monitorización y troubleshooting Muy valorables certificaciones de Engineer o superior en Azure, AWS y/o GCP.
Artificial Intelligence
Diseño e implementación de soluciones basadas en LLMs Desarrollo de aplicaciones de IA Generativa orientadas a negocio Construcción de arquitecturas RAG Integración de modelos de lenguaje con fuentes de conocimiento empresariales Trabajo en bases de datos vectoriales Integración de APIs de IA y servicios Cloud AI Diseño de prompts eficientes Implementación de soluciones con frameworks como LangChain, LangGraph, Pipecat, etc Participación en la industrialización y despliegue de soluciones de IA en entornos productivos Aplicación de buenas prácticas de seguridad, gobernanza y uso responsable de la IA
Repository Structure
bigdata-ai-engineer/
programming-languages/
Java
Python
Scala
data-platform/
pipelines
spark-jobs
databricks
delta-lake
sql
artificial-intelligence/
llm-applications
rag-solutions
ai-agents
vector-search
prompt-engineering
cloud/
microsoft-azure
amazon-web-services
google-cloud-platform
engineering/
git
docker
ci-cd
azure-devops
clean-code
testing
documentation
Acceptance Criteria
Este PR será aprobado si:
Technical Skills
**Fundamentos de programación**: Alta comprensión de POO y nociones estructurada/funcional, estructuras de datos y algoritmos (listas, diccionarios, recursividad, Big O), Git en equipo (commits, ramas, PRs) y clean code (DRY, funciones cortas).- **Asistentes de código con IA**: Uso diario y eficiente de herramientas como GitHub Copilot, Claude Code o Gemini CLI como apoyo para desarrollo, testing y documentación, manteniendo siempre el criterio técnico propio.
- **Desarrollo de aplicaciones y APIs**: Consumo y diseño de endpoints REST simples (verbos HTTP, JSON, autenticación con tokens/API keys), bases de datos relacionales (SQL básico: SELECT, JOIN, INSERT/UPDATE) y nociones NoSQL, testing unitario y depuración con formulación de hipótesis.
- **Arquitectura y despliegue (nivel introductorio)**: Comprensión conceptual de microservicios, uso de Docker y docker-compose para entornos locales, entendimiento y modificación de pipelines CI/CD, y nociones sobre colas de mensajería (Kafka, RabbitMQ).
- **Tratamiento e higiene de datos**: Manipulación de datos en CSV, JSON y Parquet con Python (pandas); detección de valores nulos, duplicados e inconsistencias; nociones de calidad del dato (*garbage in, garbage out*), privacidad (PII) y estadística descriptiva básica.
- **Machine Learning y Deep Learning (base conceptual)**: Comprensión de aprendizaje supervisado/no supervisado, overfitting, intuición sobre redes neuronales y Transformers; experiencia introductoria con librerías como scikit-learn, PyTorch o TensorFlow.
- **Consumo e integración de IA Generativa**: Llamadas e integración de APIs de LLMs (OpenAI, Anthropic, Azure AI) desde Python/JavaScript, gestión de contexto (*context engineering*), tokens, temperatura y manejo seguro de API keys mediante variables de entorno.
- **Arquitecturas de IA Generativa**: Comprensión práctica de patrones RAG (*Retrieval-Augmented Generation*), generación y uso de embeddings, bases de datos vectoriales, agentes con llamada a herramientas (*tool calling*) y conocimiento del estándar MCP (*Model Context Protocol*).
Data & AI Mindset
**Pensamiento crítico ante la IA**: Verificación activa de outputs, detección de alucinaciones y comprensión de riesgos y permisos al permitir que agentes ejecuten acciones.- **Cultura y calidad del dato**: Consciencia de que los datos limpios y bien gobernados son la base del rendimiento de cualquier modelo o solución de IA.
- **Ética y privacidad**: Rigor en la protección de datos sensibles y cumplimiento de buenas prácticas de seguridad.
- **Criterio técnico en herramientas**: Sensibilidad hacia las diferencias de capacidades, latencia y costes entre distintos proveedores y modelos de IA.
Team Collaboration
**Curiosidad y autoaprendizaje continuo**: Proactividad para explorar nuevas herramientas y librerías del vertiginoso ecosistema de IA y compartir el conocimiento.- **Comunicación y transparencia**: Capacidad para hacer preguntas a tiempo, documentar soluciones y solicitar/recibir feedback constructivo.
- **Integración en equipo**: Facilidad para colaborar estrechamente con perfiles senior y especialistas de datos, aprendiendo de su experiencia y sumando al equipo.
¿Qué podemos ofrecerte?
Jornada completa
Contrato indefinido
Desarrollo de carrera profesional, en función de la valía aportada
Puesto 100% remoto
Además, si te unes al equipo de Grupo Seresco, podrás contar con beneficios como:
Disfrutarás de 22 días laborables de vacaciones, más 2 de libre disposición y el día de nochebuena o nochevieja.
Horario de trabajo flexible, disfrutamos de 3 meses de jornada continua de mañanas.
Descuentos exclusivos en multitud de servicios y productos (viajes, automóvil, moda, tiempo libre, deporte, cultura, hogar, tecnología, gastronomía‿ a través de la plataforma Corporate Benefits.
En SERESCO tenemos la posibilidad de configurar qué queremos hacer con nuestro sueldo bruto (programa Serflex), pudiendo utilizar una parte de forma flexible. Podrás optar a los siguientes servicios: Seguro Médico (Sanitas, IMQ o Caser) incluyendo familiares, Cheque/Tarjeta Gourmet, Tarjeta Transporte y Cheque guardería.
Existe también un plan de incentivos muy interesante si nos ayudas a encontrar a profesionales como tú.
Como aquí ayudamos a buscar/inventar nuevos proyectos, también existe un plan de recompensa por captación de negocio.
Bolsa de apoyo a estudios reglados.
Formación presencial y online, para que puedas mantenerte al día y a tu ritmo.
REQUISITOS
¿Qué buscamos?
Formación en Grado/Máster en Ingeniería Informática, Telecomunicaciones, Matemáticas, Ciencia de Datos o formación técnica equivalente.- Sólida base de programación en Python (y/o JavaScript/TypeScript) y estructuras de datos.
- Manejo habitual de Git para control de versiones y trabajo en equipo.
- Experiencia consumiendo APIs de modelos de lenguaje (OpenAI, Anthropic, Azure OpenAI, etc.) desde código propio.
- Comprensión conceptual y práctica básica de arquitecturas RAG, embeddings y agentes de IA.
- Conocimientos de SQL y manipulación de datos con librerías como Pandas.
- Nociones de Docker y contenedores para desarrollo local.
- Criterio técnico y espíritu crítico para evaluar y validar respuestas de modelos de IA.
Se valorará:
Experiencia práctica o proyectos personales/académicos con frameworks de IA (LangChain, LlamaIndex, LangGraph, etc.).- Conocimiento y uso de bases de datos vectoriales (Chroma, Pinecone, Qdrant, pgvector, etc.).
- Familiaridad con estándares emergentes como Model Context Protocol (MCP).
- Nociones o certificaciones en plataformas Cloud (Azure, AWS, GCP).
- Práctica con pipelines de CI/CD (Azure DevOps, GitHub Actions).
