16 nov
|
Grupo TECDATA Engineering
|
Madrid
16 nov
Grupo TECDATA Engineering
Madrid
Python avanzado aplicado a Machine Learning y modelización.Ubicación: 100% remotoCliente: SantanderSalario: Hasta 40.000 € brutos anualesProyecto: Gestión de efectivo y previsión de demanda en el sector bancario.Sobre el proyectoBuscamos un/a Machine Learning Engineer para incorporarse a un proyecto estratégico en el sector bancario, orientado a la previsión de demanda y optimización de la gestión de efectivo.La persona seleccionada participará en el análisis, desarrollo, validación y mejora de modelos de Machine Learning tradicionales, especialmente modelos de series temporales, forecasting y optimización matemática aplicados a problemas operativos y de negocio.Se requiere una base sólida en modelización predictiva, entrenamiento y evaluación de modelos, así como conocimientos de optimización para mejorar la toma de decisiones. También participará en la adaptación y productivización de los modelos en entornos corporativos.Responsabilidades principales Analizar, desarrollar, entrenar y validar modelos de Machine Learning supervisado.Trabajar con modelos de series temporales y forecasting para la previsión de demanda.Evaluar y comparar diferentes enfoques de modelización, analizando precisión, estabilidad y capacidad predictiva.Optimizar modelos de forecasting y proponer mejoras en los algoritmos y estrategias de entrenamiento.Trabajar con modelos de optimización matemática aplicados a la asignación de recursos,
planificación y toma de decisiones operativas.Analizar problemas de optimización de denominaciones y gestión de efectivo.Evaluar la combinación de modelos predictivos con algoritmos de optimización y reglas de negocio.Participar en el diseño y mejora de procesos de entrenamiento, inferencia y reentrenamiento de modelos.Colaborar en la adaptación de modelos a entornos productivos mediante buenas prácticas de MLOps.Trabajar con plataformas analíticas y entornos distribuidos como Azure Databricks y Py Spark.Documentar los modelos, experimentos, resultados y decisiones técnicas. Requisitos imprescindibles Titulación universitaria en Ingeniería Informática, Matemáticas, Física, Estadística, Data Science o similar.Entre 2 y 5 años de experiencia en Machine Learning, Data Science o desarrollo de soluciones analíticas.Python avanzado aplicado a Machine Learning y modelización.Experiencia práctica en Machine Learning tradicional: entrenamiento, evaluación, validación y optimización de modelos.Conocimientos sólidos de series temporales, forecasting y previsión de demanda.Conocimientos aplicados de optimización matemática, programación matemática, heurísticas o investigación operativa.Experiencia con modelos supervisados y técnicas de evaluación de modelos.SQL para consulta,
transformación y validación de datos.Conocimientos de Py Spark / Apache Spark.Experiencia con Azure Databricks o plataformas equivalentes.Conocimientos de Git y metodologías de desarrollo colaborativo.Inglés técnico suficiente para trabajar con documentación y librerías especializadas. Tecnologías y herramientasMachine Learning y Forecasting Python, Scikit-learn, Light GBM.Prophet, Stats Forecast, MLForecast o Nixtla.Modelos de regresión y aprendizaje supervisado.Modelos de series temporales y previsión de demanda. Optimización Matemática Programación matemática.Optimización de restricciones.Heurísticas y algoritmos de optimización.Investigación operativa y optimización de decisiones. Contexto Tecnológico Python, SQL, Py Spark y Apache Spark.Azure Databricks.MLflow.Git y herramientas CI/CD. Se valorará Experiencia en banca, sector financiero, retail o entornos operativos.Experiencia en proyectos de previsión de demanda y planificación de recursos.Conocimientos de MLOps, versionado y monitorización de modelos.Experiencia migrando modelos desde notebooks a entornos productivos.Conocimientos de Azure y herramientas corporativas de gobierno de modelos.Experiencia con procesos batch de entrenamiento, predicción y optimización.Uso de herramientas de IA aplicadas al desarrollo, como Git Hub Copilot. Competencias personales Capacidad analítica y orientación a la resolución de problemas.Criterio técnico para evaluar y mejorar modelos.Autonomía y capacidad de aprendizaje.Comunicación con equipos técnicos y de negocio.Orientación a resultados y mejora continua. Condiciones Salario: hasta 40.000 € brutos anuales.Modalidad: 100% remoto.Proyecto en el sector bancario con Santander.Participación en un proyecto de Machine Learning aplicado a previsión de demanda y optimización operativa. #J-18808-Ljbffr
📌 Ml Engineer – Forecasting, Series Temporales Y Optimización Matemática (Madrid)
🏢 Grupo TECDATA Engineering
📍 Madrid