Cientista de Dados Sênior MLOps (Bilingue - Espanhol)

Tareas

• Liderar el flujo de trabajo de modelado de riesgo crediticio para la operación argentina, definiendo enfoques técnicos y recomendando las estrategias de modelado apropiadas.
• Desarrollar modelos de application score y behavioral score a lo largo de todo el ciclo de vida, desde la preparación de datos y el análisis exploratorio hasta el desarrollo del modelo, la validación y la implementación final.
• Extraer, transformar y analizar conjuntos de datos utilizando SQL y Python para identificar patrones relevantes, evaluar la calidad de los datos y preparar las características (features) de modelado.
• Aplicar métodos estadísticos y técnicas de machine learning para construir, comparar y optimizar modelos predictivos, incluyendo enfoques de clasificación, regresión y clustering cuando sea apropiado.
• Realizar la selección de características, evaluar los supuestos del modelo e identificar las variables que contribuyen de manera más efectiva a la predicción del riesgo crediticio.
• Validar el rendimiento y la estabilidad del modelo antes del despliegue, asegurando que los enfoques seleccionados cumplan con los requisitos del negocio y los estándares relevantes de evaluación de riesgos.
• Monitorear los modelos desplegados a lo largo del tiempo, realizando un seguimiento del rendimiento, la estabilidad y la alineación con los resultados esperados.
• Identificar la degradación del rendimiento y recomendar la recalibración del modelo, el redesarrollo u otras acciones correctivas cuando sea necesario.
• Documentar las metodologías de modelado, los supuestos, los resultados de la validación, las limitaciones y las recomendaciones de manera clara y estructurada.
• Presentar hallazgos analíticos, evaluaciones de rendimiento de modelos y recomendaciones estratégicas a las partes interesadas de crédito y riesgo tanto en portugués como en español.
• Colaborar con los equipos de negocio, riesgo y tecnología para alinear las iniciativas de modelado con las necesidades operativas y los objetivos de toma de decisiones crediticias.
• Gestionar el flujo de trabajo de modelado de forma autónoma, priorizando actividades y manteniendo altos estándares de calidad técnica y entrega.

Requisitos

• Licenciatura en Estadística o un campo cuantitativo relacionado.
• Al menos cinco años de experiencia profesional en data science, modelado estadístico o una disciplina estrechamente relacionada.
• Experiencia demostrada en modelado de riesgo crediticio, con experiencia práctica tanto en application scoring como en behavioral scoring.
• Dominio avanzado de SQL y Python para la manipulación de datos, análisis exploratorio, feature engineering y modelado estadístico.
• Experiencia práctica desarrollando, evaluando y validando modelos de machine learning, incluyendo clasificación, regresión, clustering y otras técnicas predictivas relevantes.
• Familiaridad con librerías de data science y estadística como pandas, scikit-learn, statsmodels o herramientas equivalentes.
• Dominio avanzado de español, incluyendo la capacidad de comunicar hallazgos técnicos, explicar resultados de modelos y colaborar eficazmente con stakeholders de habla hispana.
• Sólido pensamiento analítico y habilidades de razonamiento crítico, con la capacidad de cuestionar supuestos, interpretar resultados e identificar posibles limitaciones en los enfoques de modelado.
• Excelentes habilidades de comunicación y la capacidad de traducir conceptos técnicos complejos en recomendaciones claras y accionables para audiencias técnicas y de negocio.
• Capacidad demostrada para liderar un flujo de trabajo de forma independiente, establecer prioridades y gestionar entregables de manera efectiva.
• Gran atención al detalle, con compromiso con la calidad de los datos, la documentación de modelos y las prácticas de validación rigurosas.
• Comodidad trabajando con equipos internacionales y colaborando con stakeholders en diferentes países y contextos de negocio.

Cualificaciones deseadas (Nice-to-have)

• Maestría en Estadística o una disciplina cuantitativa relacionada.
• Experiencia previa en banca, burós de crédito, instituciones financieras o entornos de consultoría.
• Experiencia monitoreando modelos de machine learning o estadísticos en producción, incluyendo el seguimiento del rendimiento, análisis de estabilidad y recalibración de modelos.
• Familiaridad con la gestión del ciclo de vida del modelo y prácticas de MLOps para mantener soluciones analíticas confiables en entornos de producción.

Beneficios

• Modalidad de trabajo totalmente remota, permitiéndote trabajar desde Brasil.
• Compromiso profesional a tiempo completo bajo un contrato de persona jurídica (PJ).
• Oportunidad de liderar iniciativas de modelado de riesgo crediticio para una operación de servicios financieros en un mercado internacional.
• Exposición al desarrollo, validación y monitoreo de modelos de extremo a extremo dentro de un dominio financiero crítico para el negocio.
• Colaboración con equipos multidisciplinarios en data science, crédito, riesgo y tecnología.
• Oportunidades para aplicar métodos estadísticos avanzados y técnicas de machine learning a desafíos de negocio del mundo real.
• Un entorno colaborativo enfocado en la excelencia técnica, el aprendizaje continuo, la innovación y el desarrollo profesional.

Solicitud

Cómo funciona Jobgether Utilizamos un proceso de emparejamiento impulsado por IA para asegurar que tu solicitud sea revisada de manera rápida, objetiva y justa frente a los requisitos principales del rol. Nuestro sistema identifica a los candidatos que mejor encajan, y esta lista corta se comparte directamente con la empresa contratante. La decisión final y los siguientes pasos (entrevistas, evaluaciones) son gestionados por su equipo interno. ¡Agradecemos tu interés y te deseamos lo mejor! ¿Por qué postular a través de Jobgether?

Otros

Aviso de Privacidad de Datos: Al enviar tu solicitud, reconoces que Jobgether procesará tus datos personales para evaluar tu candidatura y compartir información relevante con el empleador contratante. Este procesamiento se basa en el interés legítimo y medidas precontractuales bajo las leyes de protección de datos aplicables (incluyendo GDPR). Puedes ejercer tus derechos (acceso, rectificación, supresión, oposición) en cualquier momento.