Salario ML Engineer en España 2026

Estás viendo ofertas de Machine Learning Engineer en LinkedIn, InfoJobs o Wellfound y todas parecen decir lo mismo: “salario competitivo”, “según experiencia”, “paquete atractivo”. Traducción real: tienes que adivinar si te van a ofrecer €38k, €55k o €85k antes de invertir tres entrevistas, una prueba técnica y una llamada final con HR.

Y claro, en ML esto se complica más. No es lo mismo entrenar modelos en notebooks que poner pipelines en producción con Kubernetes, MLflow, Airflow, AWS y monitorización. Tampoco cobra igual alguien que hace Computer Vision para Inditex que alguien que trabaja en modelos de riesgo en BBVA o recomendadores en Cabify.

En esta guía te cuento cuánto puede ganar un ML Engineer en España en 2026, qué rangos son razonables por experiencia, ciudad, industria y stack, y cómo negociar sin sonar raro ni pasarte de listo.

Salario ML Engineer en España 2026: rango general#

En 2026, un Machine Learning Engineer en España suele moverse entre €35k y €95k brutos anuales, con casos puntuales por encima de €100k en empresas internacionales, scaleups bien financiadas o puestos remotos para compañías extranjeras.

Un rango práctico sería este:

1. Junior ML Engineer: €35k a €45k
2. Mid-level ML Engineer: €45k a €65k
3. Senior ML Engineer: €65k a €90k
4. Staff, Lead o Principal ML Engineer: €85k a €120k
5. Remote para empresa de UE, UK o USA: €75k a €140k, según contrato

La media visible en portales no siempre ayuda, porque mezcla perfiles muy distintos. Muchas ofertas etiquetan como “Machine Learning Engineer” trabajos que en realidad son de Data Scientist, Data Engineer, MLOps Engineer o Backend Engineer con algo de IA.

Por eso, para entender tu salario real, tienes que mirar tres cosas:

• Qué tanto construyes producto, no solo modelos.
• Qué tan cerca estás de producción, costes, latencia y negocio.
• Qué impacto tiene tu trabajo en ingresos, riesgo, fraude, automatización o eficiencia.

Si tu trabajo termina en un notebook que luego otro equipo convierte en producto, tu salario suele estar más cerca de Data Science clásico. Si tú diseñas, despliegas, monitorizas y mantienes sistemas de ML en producción, tu valor sube bastante.

Qué hace realmente un ML Engineer en 2026#

La parte importante: un ML Engineer no es “alguien que sabe scikit-learn”. En 2026, las empresas quieren gente capaz de llevar modelos a entornos reales, con datos feos, requisitos de negocio, auditoría, seguridad y costes de cloud.

En España, muchas ofertas piden una mezcla de estas tareas:

• Crear pipelines de entrenamiento y validación.
• Diseñar sistemas de inferencia batch o en tiempo real.
• Trabajar con APIs, microservicios y colas.
• Versionar modelos, datasets y features.
• Monitorizar drift, latencia, errores y métricas de negocio.
• Optimizar costes en AWS, GCP o Azure.
• Colaborar con Data Engineers, Backend, Producto y Legal.
• Evaluar modelos generativos, LLMs y sistemas RAG.
• Documentar decisiones técnicas para auditorías o compliance.

En empresas como BBVA, Santander o aseguradoras, el ML Engineer puede trabajar en scoring, fraude, riesgo, personalización y modelos regulados. Ahí se valora mucho explicar el modelo, controlar el sesgo y mantener trazabilidad.

En compañías como Telefónica, puede haber casos de optimización de redes, predicción de churn, automatización de atención al cliente o analítica sobre infraestructura. Aquí pesan mucho los sistemas distribuidos y el manejo de datos a escala.

En retail y logística, por ejemplo Inditex, Glovo o Cabify, es común ver recomendadores, predicción de demanda, pricing dinámico, optimización de rutas, visión artificial y ranking. En estas empresas, producción y latencia importan muchísimo.

Salario por experiencia: de junior a principal#

Vamos a lo que más te interesa: los números.

ML Engineer junior: €35k a €45k

Un junior suele tener entre 0 y 2 años de experiencia real. Puede venir de un máster, bootcamp técnico, doctorado, prácticas, Data Science o desarrollo backend.

En 2026, un rango razonable para junior en España es:

• Madrid: €36k a €46k
• Barcelona: €37k a €48k
• Valencia, Málaga, Bilbao, Sevilla: €32k a €42k
• Remoto España para empresa nacional: €35k a €45k

Para cobrar en la parte alta como junior, necesitas demostrar que no solo sabes entrenar modelos. Por ejemplo:

• Has desplegado modelos con FastAPI.
• Sabes usar Docker.
• Has trabajado con AWS, GCP o Azure.
• Tienes proyectos con CI/CD.
• Entiendes SQL bien, no “más o menos”.
• Puedes explicar métricas, sesgos y trade-offs.

Un junior que llega diciendo “sé pandas, sklearn y algo de transformers” tiene más competencia. Un junior que llega con un proyecto desplegado, logs, tests, README decente y métricas claras tiene otra conversación.

ML Engineer mid-level: €45k a €65k

Este es el rango donde se mueve mucha gente con 2 a 5 años de experiencia. Ya no basta con “me gusta la IA”. Tienes que entregar cosas sin que te lleven de la mano.

Un mid-level suele cobrar:

• Madrid: €48k a €68k
• Barcelona: €50k a €70k
• Valencia, Málaga, Bilbao: €44k a €60k
• Remoto nacional: €45k a €65k
• Remoto UE: €60k a €85k

Aquí las empresas esperan que puedas tomar un problema de negocio y convertirlo en una solución técnica razonable.

No perfecta. Razonable, mantenible y medible.

Ejemplos de perfil mid-level fuerte:

• Has desplegado modelos en producción.
• Has usado MLflow, Airflow, Kubeflow o SageMaker.
• Sabes hacer experiment tracking.
• Has trabajado con feature stores o pipelines de features.
• Has colaborado con equipos backend.
• Sabes cuándo no usar ML.
• Entiendes costes de inferencia y escalado.

En este nivel, una oferta de €42k para Madrid o Barcelona puede quedarse corta si ya tienes experiencia en producción. Si tu stack incluye MLOps y cloud de verdad, pedir €55k a €65k es bastante defendible.

Senior ML Engineer: €65k a €90k

El senior es donde empieza la separación fuerte. No solo haces tareas, tomas decisiones que afectan arquitectura, coste, fiabilidad y estrategia técnica.

Un senior ML Engineer en España puede esperar:

• Madrid: €65k a €90k
• Barcelona: €68k a €95k
• Valencia, Málaga, Bilbao: €60k a €80k
• Remoto nacional: €65k a €90k
• Remoto internacional: €80k a €120k

Para llegar a la parte alta necesitas más que años. Necesitas impacto.

Por ejemplo:

• Reduciste coste de inferencia un 40%.
• Automatizaste reentrenamiento y validación.
• Mejoraste conversión, fraude, churn o retención.
• Diseñaste una plataforma interna de ML.
• Guiaste a otros engineers.
• Definiste estándares de observabilidad y despliegue.
• Ayudaste a pasar auditorías o revisiones de seguridad.

Un senior que solo entrena modelos puede quedarse en €60k. Un senior que construye sistemas de ML fiables puede superar €80k, sobre todo si habla buen inglés y puede trabajar con equipos internacionales.

Lead, Staff o Principal ML Engineer: €85k a €120k

Estos puestos no siempre aparecen con el mismo título. Algunas empresas usan “Lead ML Engineer”, otras “Staff Machine Learning Engineer”, “Principal AI Engineer” o “ML Platform Lead”.

El rango suele estar entre €85k y €120k, aunque puede subir si hay acciones, bonus o contrato internacional.

En estos puestos haces cosas como:

• Definir arquitectura de ML para varios equipos.
• Decidir herramientas y estándares.
• Revisar diseños técnicos complejos.
• Coordinar Data, Backend, Platform y Producto.
• Evaluar riesgos de seguridad, privacidad y coste.
• Mentorear seniors.
• Priorizar entre build vs buy.
• Traducir objetivos de negocio en sistemas de IA.

En compañías grandes como BBVA, Telefónica o Inditex, estos perfiles pueden tener procesos más largos y bandas internas más rígidas. En scaleups, el rango puede ser mayor, pero también cambia más según financiación, urgencia y nivel de responsabilidad.

Salario por ciudad: Madrid, Barcelona y resto de España#

La ciudad todavía pesa, aunque el remoto ha cambiado bastante el mercado.

Madrid

Madrid concentra banca, consultoría, telecomunicaciones, energía, startups B2B y oficinas de empresas internacionales. Es una de las mejores ciudades para ML Engineer en España si buscas estabilidad y volumen de ofertas.

Rangos comunes:

• Junior: €36k a €46k
• Mid: €48k a €68k
• Senior: €65k a €90k
• Lead o Staff: €85k a €115k

En Madrid hay bastante demanda en banca, seguros, consultoría tecnológica, ciberseguridad, legaltech y empresas con mucha operación comercial.

BBVA, Santander, Telefónica, Repsol, Iberdrola y grandes consultoras suelen buscar perfiles de datos e IA. Ojo con consultoría: puedes aprender mucho, pero conviene revisar bien salario, horas reales y tipo de proyecto.

Barcelona

Barcelona suele pagar igual o un poco más en perfiles de producto digital, ecommerce, movilidad, gaming, traveltech y empresas internacionales.

Rangos comunes:

• Junior: €37k a €48k
• Mid: €50k a €70k
• Senior: €68k a €95k
• Lead o Staff: €90k a €120k

Aquí hay más presencia de startups y scaleups con equipos internacionales. También puedes encontrar roles en empresas como Glovo, Wallapop, Typeform, Adevinta, TravelPerk y hubs tecnológicos de multinacionales.

Si tienes inglés fuerte y experiencia en producción, Barcelona puede darte buenas opciones. La competencia también es alta, porque atrae talento de muchos países.

Valencia, Málaga, Bilbao, Sevilla y otras ciudades

Estas ciudades han crecido mucho en tecnología. Málaga y Valencia tienen más hubs, Bilbao tiene industria, energía y banca, Sevilla está subiendo en software y datos.

Rangos comunes:

• Junior: €32k a €42k
• Mid: €44k a €60k
• Senior: €60k a €80k
• Lead: €75k a €100k

El coste de vida puede ser más bajo que Madrid o Barcelona, aunque no siempre. Si consigues remoto con salario de Madrid viviendo en Valencia o Málaga, tu calidad de vida puede mejorar mucho.

El reto es que hay menos roles puramente ML Engineer. A veces las ofertas mezclan Data Scientist, Data Engineer y Backend, así que revisa bien las responsabilidades.

Salario según industria#

El sector cambia mucho el sueldo. No es lo mismo optimizar banners que construir modelos de fraude que bloquean millones de euros.

Banca, fintech y seguros

Rango típico: €50k a €110k

BBVA, Santander, CaixaBank, Revolut, N26, Mapfre o fintechs locales valoran ML para fraude, scoring, riesgo, onboarding, personalización y detección de anomalías.

Lo bueno:

• Presupuesto.
• Problemas interesantes.
• Datos grandes.
• Estabilidad.
• Bonus en algunos puestos.

Lo malo:

• Procesos lentos.
• Regulación.
• Más documentación.
• Menos libertad para experimentar.

Si entiendes modelos explicables, compliance, privacidad y MLOps controlado, puedes cobrar en la parte alta.

Ecommerce, retail y logística

Rango típico: €45k a €95k

Inditex, Mango, Amazon, PcComponentes, Glovo, Cabify y empresas de logística usan ML para demanda, rutas, pricing, recomendadores, búsqueda, inventario y optimización.

Aquí se valora mucho el impacto medible. Si puedes decir “mejoré el ranking y subió conversión un 3%”, eso vale dinero.

También se valora la velocidad. Estos equipos suelen necesitar iterar rápido y poner modelos en producción con métricas claras.

Telecomunicaciones y energía

Rango típico: €50k a €100k

Telefónica, Orange, Vodafone, Repsol, Iberdrola, Endesa y Naturgy tienen casos de predicción, mantenimiento, optimización, redes, consumo, fraude y atención al cliente.

Son entornos con datos enormes y sistemas complejos. A veces el stack es más pesado, pero la experiencia puede ser muy potente.

Si vienes con cloud, streaming, Spark, Kubernetes y experiencia con datos a escala, tu candidatura mejora mucho.

Startups y scaleups

Rango típico: €45k a €120k

En startups puedes encontrar de todo. Algunas ofrecen €45k para un mid con mucha responsabilidad. Otras pagan €80k a €100k a seniors si el rol es clave.

La diferencia suele estar en:

• Financiación.
• Urgencia de contratación.
• Nivel internacional.
• Equity o phantom shares.
• Madurez del equipo técnico.
• Si el producto depende realmente de ML.

Mi consejo: no aceptes “equity” como excusa para bajar mucho tu salario si no entiendes el plan, vesting, strike price, liquidez y escenarios de salida.

Stack que más sube el salario#

No todos los skills pagan igual. En 2026, el mercado premia a los ML Engineers que combinan ML, software y cloud.

Skills base que se esperan

Estas habilidades ya son casi obligatorias:

• Python avanzado.
• SQL sólido.
• Git.
• Testing.
• APIs con FastAPI o similar.
• Docker.
• Linux básico.
• Pandas, NumPy, scikit-learn.
• PyTorch o TensorFlow.
• Métricas de evaluación.
• Diseño de experimentos.

Si te falta SQL, arréglalo ya. Mucha gente de ML flojea en SQL y eso mata entrevistas.

Skills que suben tu banda salarial

Estas son las que te pueden mover de €55k a €75k, o de €75k a €95k:

• AWS, GCP o Azure.
• Kubernetes.
• Terraform.
• Airflow, Dagster o Prefect.
• MLflow, Weights & Biases o Kubeflow.
• Feature stores.
• CI/CD para modelos.
• Observabilidad, drift detection y monitoring.
• Spark o Databricks.
• Kafka.
• Model serving a escala.
• Optimización de latencia y costes.

Si puedes hablar con naturalidad de deployment, rollback, versionado, logs, alertas y SLAs, ya no suenas como “data scientist que quiere producción”. Suenas como engineer.

LLMs, GenAI y RAG

En 2026, muchas empresas piden experiencia con LLMs. Pero cuidado, decir “he usado ChatGPT” no cuenta.

Lo que sí suma:

• Construir sistemas RAG con evaluación.
• Usar embeddings y vector databases.
• Medir precisión, hallucinations y relevancia.
• Diseñar guardrails.
• Optimizar prompts de forma sistemática.
• Trabajar con LangChain, LlamaIndex o frameworks similares.
• Servir modelos open-source.
• Controlar costes de APIs.
• Diseñar procesos de evaluación humana.
• Integrar LLMs en producto real.

Un ML Engineer con experiencia real en LLMs puede pedir más, sobre todo si combina producto, backend y seguridad. En España, perfiles senior con GenAI real pueden moverse entre €75k y €110k, y más si trabajan remoto para fuera.

Cómo saber si una oferta está bien pagada#

Una oferta no se evalúa solo por salario bruto. Mira el paquete completo, pero sin autoengañarte.

Revisa estos puntos

1. Salario fijo bruto

   Es lo principal. Si te ofrecen €50k con “mucho potencial”, tu nómina sigue siendo de €50k.

2. Bonus

   Pregunta si es contractual, variable, individual, de empresa o discrecional. Un bonus del 10% que nunca se paga no vale mucho.

3. Equity o phantom shares

   Puede ser interesante, pero pide detalles. Si nadie te explica bien cómo funciona, trátalo como valor incierto.

4. Remoto

   Un salario de €65k remoto puede ser mejor que €75k si te ahorra alquiler caro, transporte y tiempo.

5. Horario real

   Pregunta por guardias, despliegues fuera de hora y ritmo del equipo.

6. Formación

   Presupuesto para conferencias, cloud, certificaciones o cursos puede sumar, pero no compensa un salario bajo por sí solo.

7. Calidad del proyecto

   Trabajar con ML real en producción te ayuda más que pasar dos años haciendo dashboards con el título de ML Engineer.

Señales de oferta floja

Ten cuidado si ves cosas como:

• No quieren dar rango salarial.
• Piden prueba técnica de 10 horas.
• Buscan junior con stack de senior.
• Mezclan ML, data engineering, backend, DevOps y product ownership por €38k.
• Dicen “somos una familia”.
• El hiring manager no sabe explicar el roadmap de IA.
• No hay datos claros sobre producción.
• Todo depende de “cuando consigamos inversión”.

No todo esto es una red flag definitiva, pero si se juntan varias, pregunta más.

Cómo negociar tu salario como ML Engineer#

Negociar no es pelear. Es alinear expectativas antes de perder tiempo.

La frase más útil al principio del proceso es simple:

“Para este tipo de rol, por mi experiencia y el mercado, estoy buscando algo en el rango de €X a €Y brutos anuales. ¿Encaja con vuestra banda?”

Eso evita entrevistas eternas para acabar con una oferta €15k por debajo.

Qué rango pedir según tu caso

Puedes usar estas referencias:

• Junior fuerte: pide €40k a €48k.
• Mid con producción: pide €55k a €70k.
• Senior sólido: pide €75k a €95k.
• Senior con inglés y cloud fuerte: pide €85k a €110k.
• Staff o Lead: pide €95k a €125k.

No des un número único si puedes evitarlo. Da rango, con el mínimo que aceptarías cerca de la parte baja.

Si tu mínimo real es €65k, no digas “entre €55k y €65k”. Te ofrecerán €55k o €58k. Mejor: “estoy mirando oportunidades entre €65k y €75k, según responsabilidades y paquete”.

Cómo justificar tu número

No digas solo “porque el mercado”. Usa impacto.

Ejemplos:

• “He llevado modelos a producción en AWS con CI/CD y monitorización.”
• “Reduje latencia de inferencia de 800 ms a 220 ms.”
• “Monté pipelines de reentrenamiento con Airflow y MLflow.”
• “Trabajé con modelos de fraude en un entorno regulado.”
• “Tengo experiencia con RAG en producto, no solo prototipos.”
• “He mentorizado a dos perfiles junior y definido estándares de despliegue.”

Cuanto más concreto seas, más fácil es que HR y el hiring manager defiendan tu banda internamente.

CV de ML Engineer: lo que sube entrevistas y salario#

Tu CV tiene que vender impacto técnico. No basta con listar herramientas.

En vez de escribir:

• “Desarrollo de modelos de machine learning con Python.”

Mejor:

• “Desplegué un modelo de predicción de churn con FastAPI y Docker, reduciendo falsos positivos un 18% y sirviendo 120k predicciones diarias.”

Otro ejemplo flojo:

• “Uso de LLMs para automatización.”

Mejor:

• “Construí un sistema RAG para soporte interno con embeddings, evaluación de respuestas y control de costes, reduciendo tickets repetitivos un 25%.”

Estructura recomendada

Tu CV debería tener:

1. Resumen de 3 líneas

   Qué eres, años de experiencia, stack y tipo de impacto.

2. Skills técnicos ordenados

   ML, MLOps, cloud, backend, datos.

3. Experiencia con bullets medibles

   Cada bullet debe combinar acción, tecnología y resultado.

4. Proyectos relevantes

   Solo si aportan valor. Mejor 2 buenos que 8 notebooks genéricos.

5. Formación

   Máster, grado, doctorado, certificaciones, cursos serios.

6. Idiomas

   Inglés importa mucho. Si puedes trabajar en inglés, dilo claro.

Palabras clave ATS importantes

Muchas empresas filtran CVs con sistemas ATS. Asegúrate de incluir términos reales de la oferta si los dominas.

Palabras que suelen aparecer:

• Machine Learning
• MLOps
• Python
• SQL
• PyTorch
• TensorFlow
• scikit-learn
• AWS
• GCP
• Azure
• Docker
• Kubernetes
• MLflow
• Airflow
• FastAPI
• Spark
• Databricks
• Kafka
• Feature Store
• Model Monitoring
• Drift Detection
• LLM
• RAG
• Vector Database

No metas keywords falsas. Si pones Kubernetes y luego no sabes explicar un deployment básico, te pueden pillar rápido.

Errores que te bajan el salario#

Hay errores muy comunes que hacen que buenos perfiles cobren menos de lo que podrían.

1. Venderte como “data person” genérico

Si dices “hago datos, machine learning, dashboards y algo de cloud”, suenas difuso.

Mejor posicionarte como:

• ML Engineer orientado a producción.
• MLOps Engineer con base de ML.
• AI Engineer especializado en LLMs.
• Backend Engineer con foco en sistemas ML.

Cuanto más claro el posicionamiento, más fácil es que te asignen una banda alta.

2. No hablar de negocio

A muchas personas técnicas les da pereza hablar de negocio. Error.

Si puedes conectar tu trabajo con métricas como fraude, conversión, retención, coste, latencia, disponibilidad o productividad, subes tu valor.

No tienes que ser product manager. Solo mostrar que entiendes por qué existe tu modelo.

3. Aceptar pruebas técnicas enormes

Una prueba razonable está bien. Una prueba de fin de semana completo, no.

Puedes decir:

“Me parece bien hacer una prueba técnica acotada. ¿Podéis confirmarme el tiempo estimado y criterios de evaluación?”

Si te dicen “unas 8 o 10 horas”, pide alternativa: pair programming, revisión de un proyecto propio, entrevista técnica más profunda o prueba pagada.

4. No tener proyectos visibles

Si no puedes mostrar trabajo de empresa por confidencialidad, crea proyectos propios.

Ideas buenas:

• Sistema RAG con evaluación y métricas.
• Pipeline de training con MLflow y Airflow.
• API de inferencia con Docker y tests.
• Detección de drift con dashboard.
• Recomendador simple pero desplegado.
• Fine-tuning pequeño con documentación clara.

Lo importante no es que sea “el próximo OpenAI”. Lo importante es que muestre criterio engineering.

Qué esperar en entrevistas de ML Engineer#

Normalmente tendrás una mezcla de HR, técnica, system design y conversación con manager.

Preguntas técnicas comunes

Te pueden preguntar:

• Cómo validarías un modelo para producción.
• Qué harías si el modelo pierde precisión tras 3 meses.
• Cómo monitorizar drift.
• Diferencia entre batch y real-time inference.
• Cómo diseñarías un sistema de recomendación.
• Cómo reducirías latencia de un modelo.
• Cómo versionas datasets y modelos.
• Qué métricas usarías para fraude o churn.
• Cómo evaluarías un sistema RAG.
• Cómo controlarías costes de inferencia con LLMs.

No memorices respuestas. Practica explicar decisiones con trade-offs.

Por ejemplo, si eliges inferencia batch, explica por qué. Si eliges tiempo real, explica coste, latencia, disponibilidad y fallback.

System design para ML

Cada vez es más común. Un ejercicio típico:

“Diseña un sistema de recomendación para ecommerce.”

Una respuesta buena cubre:

• Objetivo de negocio.
• Fuentes de datos.
• Features.
• Entrenamiento.
• Validación offline.
• A/B testing.
• Serving.
• Monitorización.
• Retraining.
• Fallos y fallback.
• Privacidad.
• Coste.

No necesitas dibujar la arquitectura perfecta. Necesitas mostrar que piensas en producción.

Tendencias salariales para 2026#

El mercado de ML en España ha madurado. Ya no basta con saber entrenar modelos, porque eso se ha vuelto más accesible.

Lo que más se paga en 2026 es la capacidad de hacer que IA funcione dentro de productos reales.

Las tendencias más fuertes:

• Más demanda de MLOps y ML Platform.
• Más roles de AI Engineer centrados en LLMs.
• Más presión por reducir costes de cloud y APIs.
• Más necesidad de evaluación, seguridad y compliance.
• Más diferencia entre prototipos y producción.
• Más equipos híbridos entre backend, data y producto.

Los salarios no subirán igual para todos. Subirán más para quienes combinen:

• Buen inglés.
• Software engineering.
• Cloud.
• ML real.
• Comunicación clara.
• Impacto medible.

Si estás en €45k y quieres llegar a €65k, no necesitas aprender 20 herramientas nuevas. Necesitas demostrar que puedes llevar modelos a producción y explicar el impacto.

Si estás en €70k y quieres llegar a €95k, necesitas empezar a influir en arquitectura, estándares, costes y otros engineers.

Resumen rápido: cuánto pedir en 2026#

Si quieres una chuleta rápida, usa esto:

• Junior: €35k a €45k
• Junior fuerte en Madrid o Barcelona: €40k a €48k
• Mid con MLOps: €55k a €70k
• Senior: €65k a €90k
• Senior con inglés y cloud fuerte: €80k a €110k
• Lead, Staff o Principal: €90k a €120k
• Remoto internacional: €85k a €140k

Y recuerda esta regla simple:

Si solo entrenas modelos, compites con mucha gente. Si construyes sistemas de ML en producción, con métricas, observabilidad y coste controlado, tu salario sube.

Antes de enviar más candidaturas, revisa si tu CV está pasando filtros ATS y si comunica bien tu valor como ML Engineer. Puedes probarlo gratis aquí: analiza tu CV con el ATS Checker gratuito de JobRise.