Objetivo general del puesto
brindar soporte técnico al diseño, desarrollo y mantenimiento de modelos de machine learning que contribuyan a optimizar procesos clave del negocio, como el scoring crediticio, segmentación de usuarios o detección de fraude. El rol busca integrar el conocimiento técnico con una visión práctica del negocio fintech, en un entorno de aprendizaje constante, colaborativo y orientado a resultados.
*requisitos*:
lic. o ing en sistemas, físca, matemáticas, afin
deseable postgrado en ciencia de datos, machine learning o similar.
Habilidades
- curiosidad técnica: ganas de aprender, experimentar e investigar nuevos enfoques.
- pensamiento lógico y analítico: enfoque riguroso y estructurado: para resolver problemas.
- comunicación clara capacidad: para expresar ideas técnicas de forma simple y ordenada.
- trabajo en equipo: colaboración proactiva con pares y líderes técnicos.
- gestión del tiempo: organización y seguimiento de tareas en entornos ágiles.
- recepción de feedback: capacidad para integrar comentarios constructivos en su desarrollo profesional.
Conocimientos
- spark (pyspark o scala)
- python (pandas, numpy, scikit-learn) (intermedio)
- sql básico / consultas a bases de datos (avanzado)
- modelos de machine learning clásicos (regresión, clasificación, clustering) (intermedio)
- limpieza y procesamiento de datos (intermedio)
- git y control de versiones (intermedio)
- fundamentos de apis y servicios rest (intermedio)
- manejo de notebooks (jupyter, colab) (intermedio)
- conocimientos intermedios de cloud (aws/gcp) (deseable, no obligatorio)
- inglés técnico intermedio (capaz de leer documentación y artículos).
Experiencia requerida:
- experiência sólida, a menos 2 años, en desarrollo de modelos de machine learning, preferiblemente en riesgo de crédito y fraude.
- dominio de spark (pyspark o scala), incluidas técnicas para manejo de grandes volúmenes de datos.
- experiência práctica con databricks, orquestación con airflow y despliegue de modelos en producción.
- buen manejo de python para ml (scikit-learn, mllib, pandas, numpy).
- conocimiento de apis rest para integrar modelos a aplicaciones.
- prácticas sólidas de desarrollo: control de versiones (git), testing, documentación y ci/cd (dataops/modelops).
- experiência monitoreando y manteniendo modelos en producción, incluyendo evaluación continua y reentrenamiento.
- deseable: conocimientos de ml interpretability, fairness y regulación aplicable a crédito y finanzas.
- experiência aseguramdo la escalabilidad, disponibilidad y trazabilidad de los modelos desplegados.
- integración de flujos de ml con servicios core del negocio fintech, empleando bases de datos nosql (mongodb) y apis restful.
- gestion de entornos en la nube de microsoft azure, aprovechando servicios como azure ml, azure kubernetes service (aks), azure devops, entre otros.
- colaboración con equipos de data science, backend y seguridad
- realizando pruebas unitarias a los modelos ml
actividades del puesto
- limpieza, transformación y validación de datasets internos o externos.
- asistir en el entrenamiento y evaluación de modelos supervisados o no supervisados.
- participar en la experimentación y análisis de métricas de desempeño.
- contribuir en tareas de integración y testing para la puesta en producción de modelos.
- aprender a documentar y mantener scripts, notebooks y flujos de trabajo.
- colaborar en el monitoreo de rendimiento y detección de anomalías en modelos desplegados.
- registrar logs, métricas y sugerencias de mejora.
- trabajar con científicos de datos, desarrolladores backend y pms para comprender los objetivos del negocio.
- apoyar la generación de insights útiles para la mejora de productos crediticios y procesos operativos.
- diseñar, construir y mantener pipelines ci/cd para modelos de machine learning en entornos de producción.
- automatizar el entrenamiento, validación, despliegue y monitoreo de modelos ml en un ecosistema de microservicios.
- implementar soluciones de versionado de datos y modelos (dataops/modelops).
- asegurar la escalabilidad, disponibilidad y trazabilidad de los modelos desplegados.
- integrar flujos de ml con servicios core del negocio fintech, empleando bases de datos nosql (mongodb) y apis restful.
- gestionar entornos en la nube de microsoft azure, aprovechando servicios como azure ml, azure kubernetes service (aks), azure devops, entre otros.
- colaborar con equipos de data science, backend y seguridad para cumplir con estándares regulatorios del sector financiero.
Tipo de puesto: tiempo completo
sueldo: $37,000.00 - $50,000.00 al mes
experiência:
- orquestación con airflow : 1 año (obligatorio)
- despliegue de modelos en producción: 2 años (obligatorio)
- gestion de entornos en la nube : 2 años (obligatorio)
lugar de trabajo: empleo presencial