Empleos de Machine Learning Engineer en Spain: CV, entrevista y candidatura

Llevas meses enviando currículos para puestos de Machine Learning Engineer en España y solo recibes silencio o rechazos automáticos. No es solo la competencia: puede que tu CV no pase el filtro ATS, que no estés enfocando bien la búsqueda, o que desconozcas lo que realmente piden aquí. Vamos a arreglar eso.

Cómo es el mercado de ML en España hoy#

El mercado está activo pero selectivo. Madrid y Barcelona concentran la mayor oferta: startups fintech, centros de datos, equipos de producto en empresas SaaS. Hay menos puestos remotos estrictos que hace dos años, pero muchas empresas aceptan híbrido con 2-3 días en oficina.

Las empresas medianas y grandes suelen tener equipos de datos ya establecidos. Buscan gente que pueda ir más allá de notebooks de Jupyter: poner modelos en producción, monitorizarlos, trabajar con ingenieros de plataforma. Las startups quieren perfiles más versátiles que toquen desde el preprocesamiento hasta el despliegue.

Un detalle local: muchas ofertas están en inglés, pero el proceso de RRHH suele ser en español. Prepárate para ambos idiomas.

Qué esperan realmente los empleadores aquí#

Los hiring managers españoles valoran tres cosas por encima del listado de frameworks que domines:

• Que entiendas el problema de negocio. No basta con entrenar un modelo; saben que el 80% del trabajo es limpiar datos y definir métricas útiles.
• Que tengas experiencia real poniendo modelos en producción. Si solo has hecho proyectos académicos, necesitas puentear ese hueco con proyectos personales bien documentados.
• Que sepas trabajar en equipo con perfiles no técnicos. Comunicar resultados a producto o negocio es parte del día a día.

Formato de CV que pase el filtro ATS#

Las empresas grandes en España usan sistemas de seguimiento de candidatos. Si tu CV no está optimizado, nunca lo leerá un humano.

Usa formato simple: una columna, sin tablas ni gráficos, fuentes como Arial o Calibri tamaño 10-11. Secciones claras: Experiencia, Educación, Habilidades, Proyectos.

Para verificar que tu CV pasa el filtro, usa la herramienta gratuita de comprobación ATS en /es/free-ats-checker/.

Palabras clave que deberían aparecer si las menciona la oferta:

• Machine learning, deep learning, NLP, computer vision
• Python, SQL, TensorFlow, PyTorch, scikit-learn
• MLOps, MLflow, Docker, Kubernetes, Airflow
• AWS, GCP, Azure (según la oferta)
• Spark, Pandas, ETL, pipelines de datos
• Git, CI/CD, pruebas unitarias

No las pongas todas si no las dominas. Pero si la oferta menciona "PyTorch" y tu CV solo dice "deep learning", estás perdiendo puntos.

Ejemplo de bullet reescrito

Antes: "Desarrollé modelos de machine learning para la empresa."

Después: "Diseñé y desplegué un modelo de detección de fraude con XGBoost que redujo falsos positivos un 23%, integrado en el pipeline de producción con Docker y Airflow en GCP."

La segunda versión tiene contexto, métrica real y tecnologías concretas. Haz esto con cada experiencia.

Cómo enfocar la búsqueda#

No envíes el mismo CV a todas las ofertas. Lee cada descripción con cuidado. Una herramienta como el decodificador de ofertas en /es/free-jd-decoder/ te ayuda a extraer los requisitos clave y las palabras que el ATS buscará.

Busca activamente en portales especializados. En /es/jobs/ puedes filtrar por tecnología y ubicación para encontrar ofertas relevantes de machine learning en España.

Aplica a 5-8 ofertas por semana con CV personalizado, no a 30 con el mismo documento. La calidad gana.

Preparar la entrevista técnica#

Los procesos en España suelen tener 3-4 fases: screening de RRHH, prueba técnica, entrevista con el hiring manager, y a veces una ronda cultural.

La prueba técnica varía mucho. Algunas empresas envían un take-home de 3-5 días. Otras prefieren live coding de 60-90 minutos. Pregunta qué formato usarán para prepararte bien.

Temas que repiten en entrevistas de ML:

• Diferencia entre overfitting y underfitting, cómo detectarlos y solucionarlos
• Cómo manejar datos desbalanceados
• Métricas según el problema: precisión, recall, F1, AUC-ROC
• Diseño de sistemas: cómo construirías un sistema de recomendación o un pipeline de predicción en tiempo real
• Conceptos de MLOps: versionado de modelos, monitorización de drift, rollback

Script para una pregunta típica

Entrevistador: "¿Cómo abordarías un problema donde el modelo tiene 95% de accuracy pero el cliente no está contento?"

Tu respuesta: "Primero preguntaría qué métrica importa al cliente. Un 95% de accuracy puede ser engañoso si las clases están desbalanceadas. Por ejemplo, en detección de fraude con un 2% de casos positivos, un modelo que siempre predice 'no fraude' ya tiene 98% de accuracy. Miraría la matriz de confusión, el recall para la clase minoritaria, y si es necesario ajustar el umbral de decisión o usar técnicas como SMOTE o pesos de clase."

Esta respuesta muestra que piensas en el negocio, no solo en el código.

Salario y visado: lo que debes saber#

Los rangos salariales varían mucho según ciudad, empresa y experiencia. Como referencia general reportada en portales y comunidades técnicas:

• Junior (0-2 años): entre 25.000 y 35.000 euros brutos anuales
• Mid (3-5 años): entre 38.000 y 55.000 euros
• Senior (5+ años): entre 55.000 y 80.000 euros, con casos por encima en empresas grandes o multinacionales

Estos son rangos aproximados. Consulta fuentes actualizadas como Glassdoor, Levels.fyi o portales locales para datos más precisos.

Sobre visado: si no eres ciudadano de la UE, necesitas una autorización de trabajo. La empresa debe patrocinarla. El visado para profesionales altamente cualificados existe, pero tiene requisitos salariales mínimos que cambian. Verifica siempre la normativa actual en la página oficial de inmigración o consulta con un abogado especializado. No te fíes de promesas de agencias que garanticen resultados.

Checklist de candidatura#

Antes de enviar cada solicitud, revisa esto:

• ¿Tu CV menciona las tecnologías clave de la oferta?
• ¿Cada experiencia tiene métrica o resultado concreto?
• ¿El formato pasa la comprobación ATS?
• ¿Personalizaste el resumen o perfil para esta oferta?
• ¿Incluiste proyectos relevantes si te falta experiencia laboral?
• ¿Revisaste ortografía y coherencia de fechas?
• ¿Preparaste una nota breve para el email de presentación?

Cómo destacar sin experiencia laboral directa#

Si vienes de academia o cambias de carrera, necesitas demostrar que puedes hacer el trabajo. Proyectos propios bien documentados en GitHub valen. Pero no subas un notebook suelto: documenta el problema, los datos, las decisiones que tomaste, los resultados, y cómo se desplegaría.

Contribuye a proyectos open source de ML. Incluso arreglar un bug o mejorar la documentación cuenta. Participa en Kaggle, pero explica tu proceso, no solo tu ranking.

Lee más sobre estrategias de búsqueda y desarrollo profesional en nuestro blog en /es/blog/.

Preguntas frecuentes#

¿Necesito máster o doctorado para trabajar como ML Engineer en España?

No es obligatorio, pero muchas ofertas lo mencionan como preferente. Lo que más pesa es la experiencia demostrable: proyectos reales, contribuciones open source, o trabajo previo en equipos de datos. Si tienes solo grado, compensa con un portafolio sólido y certificaciones relevantes de las principales plataformas cloud.

¿Cuánto tarda un proceso de selección típico?

Entre 3 y 6 semanas desde la primera entrevista hasta la oferta. Las startups suelen ser más rápidas (2-3 semanas). Empresas grandes o con requisitos de visado pueden tardar más por la burocracia interna. Pregunta los plazos al inicio para no quedarte en la incertidumbre.

¿Puedo trabajar remoto desde España para una empresa extranjera?

Sí, pero implica considerar el régimen fiscal. Si eres autónomo, facturas a la empresa extranjera. Si la empresa tiene entidad en España, puede contratarte directamente. El modelo de Employer of Record también existe pero tiene costes. Consulta con un asesor fiscal antes de aceptar.

¿Qué diferencia hay entre Data Scientist y ML Engineer en las ofertas españolas?

Depende de la empresa, pero en general ML Engineer se acerca más a la ingeniería de software: poner modelos en producción, construir pipelines, monitorizar sistemas. Data Scientist se centra más en análisis, experimentación y prototipado. Muchas empresas medianas mezclan ambos roles en una misma posición.

¿Es mejor postularme en inglés o en español?

Lee la oferta. Si está escrita en inglés, envía CV en inglés. Si está en español, CV en español. Para empresas internacionales con sede en España, el CV en inglés suele ser la opción segura. Ten ambas versiones preparadas y revisadas.