Data Scientist (AI & Models) - Inglés Avanzado
hace 2 días
Seville
Data Scientist (AI & Models) Modalidad híbrida en Madrid Nivel de inglés: avanzado Experiencia: mínimo 2 años Sea uno de los primeros solicitantes, lea la descripción completa del puesto a continuación y luego envíe su candidatura para que sea considerada. Buscamos un Científico de Datos para unirse al equipo Corporate & Investment en Madrid. Contribuirá al desarrollo, validación e industrialización de modelos de aprendizaje automático e IA aplicados a problemas de negocio de alto impacto. Colaborarás con científicos de datos, ingenieros y partes interesadas del negocio para ofrecer soluciones robustas, explicables y escalables, abarcando todo el ciclo de vida, desde la definición del problema hasta la implementación y el monitoreo. Responsabilidades: • Desarrollar y aplicar modelos estadísticos, de aprendizaje automático e IA de vanguardia (supervisados/no supervisados, pronósticos, PLN, detección de anomalías, etc.) para casos de uso del entorno bancario., • Realizar exploración de datos, ingeniería de características y evaluación de modelos mediante enfoques cuantitativos rigurosos., • Aplicar las mejores prácticas en validación de modelos: validación cruzada, diagnóstico de sesgo/varianza, calibración, pruebas de robustez y análisis de sensibilidad., • Implementar y mantener pipelines de aprendizaje automático reproducibles (entrenamiento, inferencia, monitoreo) con altos estándares de ingeniería de software., • Contribuir a la explicabilidad y la gobernanza (p. ej., SHAP, atribución de características, estabilidad, documentación), en consonancia con un entorno regulado., • Presentar los resultados con claridad tanto a audiencias técnicas como no técnicas; traducir los objetivos de negocio en objetivos de modelado medibles., • Mantenerse al día con la IA moderna: aprendizaje profundo, modelos de aprendizaje automático (MLA), aprendizaje de representaciones y herramientas emergentes; prototipar cuando sea pertinente. Requisitos indispensables: • Licenciatura o maestría en Ciencias de la Computación, Matemáticas, Estadística, Física, Ingeniería o un campo cuantitativo relacionado., • Sólidos conocimientos de álgebra lineal, probabilidad, estadística, optimización y métodos numéricos., • Sólidas habilidades de programación en Python (código limpio, enfoque en pruebas, fundamentos de empaquetado)., • Experiencia práctica con bibliotecas de aprendizaje automático como scikit-learn y familiaridad con al menos un framework de aprendizaje profundo (PyTorch o TensorFlow)., • Conocimientos prácticos de evaluación de modelos y métricas (AUC, precisión/exhaustividad, RMSE, calibración, etc.) y metodología de experimentación., • Experiencia trabajando con datos usando pandas/numpy y realizando consultas SQL., • Buenas habilidades de comunicación y capacidad para trabajar en equipos colaborativos y multidisciplinarios., • Dominio avanzado de inglés. Se valorará positivamente: • Experiencia previa en puestos similares., • Conocimientos de PLN (transformadores, incrustaciones), modelos lógicos del lenguaje (PLL) o conceptos de IA generativa (indicación, ajustes básicos, recuperación)., • Comprensión de los conceptos y herramientas de MLOps (p. ej., MLflow, Docker, CI/CD, monitorización de modelos)., • Experiencia con plataformas en la nube (AWS/Azure/GCP) y procesamiento distribuido (p. ej., Spark)., • Familiaridad con Databricks (o disposición para aprenderlo en el trabajo) para el desarrollo colaborativo y flujos de trabajo de aprendizaje automático escalables., • Familiaridad con el modelado de series temporales, pruebas de estrés o inferencia causal., • Interés o experiencia con productos y procesos de banca corporativa y de inversión / banca global (p. ej., préstamos, comercio y capital de trabajo, DCM/ECM, banca transaccional) y cómo los datos/la IA pueden respaldarlos (análisis de clientes, precios, límites, alerta temprana)., • Se valorará el conocimiento del riesgo de modelos/gobernanza en industrias reguladas (documentación, trazabilidad, controles)., • Familiaridad con conceptos de análisis financiero como los impulsores de pérdidas y ganancias, métricas del balance, FTP, capital/RWA o informes de gestión; capacidad para traducir los KPI financieros en objetivos de modelado. xcskxlj, • Comprensión de los fundamentos del riesgo (riesgo de crédito, riesgo de mercado, riesgo de liquidez, riesgo operativo) y temas comunes de modelado como PD/LGD/EAD, calificaciones/cuadros de puntuación, pruebas de estrés, señales de alerta temprana o monitoreo de cartera en un entorno regulado.
Ventas y Marketing
Chef y Cocinero
Venta Minorista
Estética y Belleza
Construcción y Obras
Comida Rápida
Almacén
Arte, Medios de Comunicación, Diseño
Atención Sanitaria
Ayudante de Cocina
Azafato y Azafata
Barista
Ciencia
Contabilidad y Finanzas
Cuidado de animales
Cuidado de niños
Deportes y Bienestar
Educación
Entretenimiento
Eventos y Promociones
Gerencia
Industria y Producción
Ingenieria
Limpieza
Moda
Oficina y Administración
Personal de Bar
Redacción y Edición
Seguridad
Servicio al Cliente
Servicios Jurídicos
Tecnología de la información
Transporte y Reparto