En EPAM NEORIS, la transformación empieza por las personas
En
EPAM NEORIS
, creemos que el verdadero cambio nace del talento.
Hoy, como parte de
EPAM Systems
, ampliamos nuestro alcance integral y nuestras capacidades, manteniendo lo más importante: una cultura donde cada persona puede crecer, aportar y ser protagonista.
No buscamos solo cubrir posiciones.
Buscamos personas apasionadas por la Inteligencia Artificial y el Machine Learning que quieran desarrollar soluciones innovadoras con impacto real en el negocio.
Respaldados por más de
profesionales en más de 55 países
y un sólido modelo Nearshore, conectamos capacidades globales con confianza local para impulsar la transformación tecnológica de nuestros clientes.
Proyecto estratégico del sector banca | 100% remoto
Buscamos un/a Machine Learning Engineer / AI Data Scientist
¿Te apasiona convertir datos en soluciones inteligentes? Buscamos un perfil con sólida base en Machine Learning e Inteligencia Artificial para participar en el desarrollo,



validación e industrialización de modelos aplicados a casos de negocio de alto impacto dentro del sector de banca de inversión.
Trabajarás junto a científicos de datos, ingenieros y equipos de negocio desarrollando soluciones escalables que abarcan todo el ciclo de vida del modelo: desde la exploración de datos hasta su despliegue y monitorización en producción.
Principales responsabilidades:
• Diseñar, desarrollar y validar modelos de Machine Learning e Inteligencia Artificial para casos de uso de banca corporativa y de inversión.
• Aplicar técnicas avanzadas de aprendizaje supervisado y no supervisado, forecasting, NLP, detección de anomalías y modelos predictivos.
• Realizar análisis exploratorio de datos, ingeniería de variables y evaluación de modelos utilizando metodologías estadísticas rigurosas.
• Construir pipelines reproducibles de entrenamiento, inferencia y monitorización siguiendo buenas prácticas de ingeniería.
• Implementar procesos de validación y gobernanza de

📌 Data Scientist Ai (Madrid)
🏢 Neoris
📍 Madrid