De un vistazo
- Tareas: Desarrolla modelos de predicción y análisis de datos con Python y Machine Learning.
- Empresa: Carrots Lab, una empresa innovadora en Barcelona con un ambiente colaborativo.
- Beneficios: Prácticas remuneradas, flexibilidad horaria, 25 días de vacaciones y un mes de trabajo remoto.
- Otra información: Oportunidades de crecimiento profesional y un entorno dinámico.
- Por qué este empleo: Construye proyectos reales desde el primer día y haz un impacto significativo.
- Cualificaciones: Experiencia en Python, estadísticas y modelos de Machine Learning.
El salario previsto está entre 2054 - 2054 € por mes.
Estamos contratando a un pasante de Ciencia de Datos (o ingeniero junior de ML) con enfoque en Python y fuerte en estadísticas para colaborar con nuestros Analistas de Datos en los problemas más difíciles que tenemos: LTV probabilístico, predicción de churn y pronósticos que realmente impactan CAC, payback y ROAS.
Elegibilidad: Actualmente estás estudiando en una universidad en España (idealmente en o cerca de Barcelona) y puedes firmar un "convenio de prácticas". Esta posición está abierta exclusivamente para acuerdos de prácticas. Si no estás seguro de si tu universidad puede proporcionar uno, por favor confírmalo con ellos antes de postularte, ya que filtraremos automáticamente a los candidatos que no puedan cumplir con este requisito.
Lo que serás responsable (Tu misión):
- Predicción de LTV y pronósticos probabilísticos: Construir, comparar e iterar modelos de LTV (por ejemplo, basados en supervivencia/retención, cero inflado + Gamma, GBMs). Producir predicciones calibradas en las que podamos confiar para UA y precios.
- Modelado de Churn y Retención: Predecir ventanas de churn y curvas de retención por app/geo/cohorte para informar sobre la estrategia de payback y creativa/palabras clave.
- Ingeniería de Señales para UA: Traducir salidas del modelo en señales de conversión (por ejemplo, objetivos de puja basados en valor) que mejoren la optimización de Google/Meta.
- Analítica de Ingresos y Cohortes (Python): Extraer, transformar y unir datos de eventos y compras (RevenueCat, AppsFlyer, Firebase, BigQuery) en conjuntos de datos listos para el modelo.
- Ciencia de Decisiones: Evaluar pruebas A/B (frecuentista o bayesiana), experimentos de precios y cambios en el embudo con intervalos de confianza y aumento práctico.
Cómo se verá el éxito (90 días):
- Versión 1 de LTV entregada por aplicación insignia con comparación de línea base vs. modelo (por ejemplo, MAE/RMSE o gráficos de calibración) y una cadencia de reentrenamiento documentada.
- Modelo de churn o retención versión 1 que supere los puntos de referencia ingenuos (por ejemplo, media de retención a 30 días) e informe sobre las suposiciones de payback de UA.
- Especificación de señal entregada: qué eventos/valores dentro de la app debemos pasar a las plataformas publicitarias, cómo ponderarlos, impacto esperado en CPA.
- Código reproducible: cuadernos/scripts limpios con README, funciones y pruebas básicas; extracciones de datos automatizadas en Python.
- Paneles en vivo (con Sergi): vistas de LTV/payback y cohortes conectadas a Looker para la toma de decisiones semanal.
Lo que harás (Día a día):
- Escribir Python todos los días: preparación de datos, ingeniería de características, modelado, evaluación e informes visuales.
- Consultar datos de BigQuery/RevenueCat/AppsFlyer/Firebase a través de Python; ensamblar conjuntos de datos de entrenamiento ordenados.
- Entrenar y comparar modelos (por ejemplo, lineales/GLM, XGBoost/LightGBM/CatBoost, análisis de supervivencia, series temporales).
- Calibrar predicciones (Platt/Isotónico), monitorear desviaciones y establecer lógica de reentrenamiento.
- Empaquetar ideas para UA y Producto: memorandos concisos, gráficos y recomendaciones claras de “y qué”.
- Colaborar con Sergi (analítica y visualización) y el CEO (estrategia de UA/producto); poseer la profundidad técnica.
Requisitos obligatorios:
- Python: experiencia sólida con pandas, NumPy, scikit-learn, Jupyter.
- Estadísticas y ML: probabilidad, pruebas de hipótesis, regresión, clasificación, evaluación y calibración.
- Prueba de proyecto: al menos un modelo de extremo a extremo que puedas mostrar (repositorio/cuaderno; académico está bien si es aplicado).
- Autonomía y velocidad: capacidad para auto-dirigirse, investigar y entregar código funcional sin guía paso a paso.
- Comunicación: explicar elecciones de modelado complejas en lenguaje sencillo, con conclusiones accionables.
- Disponibilidad: tiempo completo en Barcelona (híbrido), compromiso de 6+ meses.
- Autorización laboral: capacidad para trabajar en España (acuerdo de prácticas para estudiantes o contrato junior).
Deseable (bueno ver):
- Modelado bayesiano (PyMC/Stan), análisis de supervivencia (lifelines), series temporales (statsmodels).
- Aumento de gradiente (XGBoost/LightGBM/CatBoost) y calibración de modelos.
- Experiencia con BigQuery (a través de Python), RevenueCat, AppsFlyer, Firebase, Amplitude.
- Disciplina básica de Git, empaquetado y pruebas.
- Exposición previa a conjuntos de datos de suscripción (pruebas, renovaciones, cancelaciones, períodos de gracia).
Cómo trabajamos:
- Stack: Python, BigQuery, Looker, RevenueCat, Firebase, AppsFlyer, Amplitude, Google Cloud.
- Cadencia: revisiones semanales de experimentos; métricas de modelos > opiniones; reuniones mínimas; iteraciones rápidas.
- Cultura: alta velocidad, altos estándares, cero drama. Gastamos cada euro como si fuera nuestro.
Lo que ofrecemos (Compensación y Beneficios):
- Ofrecemos un rol de alto impacto y alta autonomía con una estructura de recompensas alineada al crecimiento de la empresa en Barcelona.
- Prácticas remuneradas: esta es una posición remunerada a tiempo completo diseñada para darte verdadera propiedad e impacto — no solo “tareas de estudiante”.
- La compensación es competitiva para los mejores estudiantes de datos o graduados recientes en Barcelona.
- Flexibilidad y tiempo libre: horarios de trabajo flexibles, 25 días de vacaciones anuales y 1 mes de 'trabajo desde cualquier lugar' fuera de España.
- Espacio de trabajo ejecutivo y tecnología: oficinas privadas en Norrsken House Barcelona (con membresía complementaria) y un generoso presupuesto de €5,000 EUR para equipos profesionales de oficina en casa.
- Bienestar: opción de requerir una membresía de gimnasio de alta gama en innerflow.es, incluyendo acceso a spa en el mismo edificio de oficinas.
- Cantina: catering delicioso, saludable y flexible en la oficina — comidas a partir de solo €2–€3.
- Capacitación: presupuesto dedicado para un programa educativo.
- Trayectoria profesional: un plan de carrera personalizado con revisiones de rendimiento y calibraciones salariales cada 6 meses.
Si llegaste hasta aquí… Deja de buscar trabajos de nivel inicial donde pasarán seis meses “integrándote” para limpiar hojas de cálculo. Ven aquí y construye cosas reales desde el primer día. ¿Peor caso? Saldrás más inteligente.
Carrots Lab es un empleador que ofrece igualdad de oportunidades y celebra la diversidad. Todas las solicitudes serán consideradas independientemente de raza, color, ascendencia, religión, sexo, nacionalidad, orientación sexual, edad, discapacidad, identidad de género o expresión.
INTERNSHIP: Data Science (Python & ML) empresa: Carrots
Carrots es un excelente empleador que ofrece a los pasantes de UX/UI en Barcelona la oportunidad de trabajar en proyectos reales desde el primer día, colaborando con equipos multidisciplinarios para diseñar experiencias de usuario impactantes. Con un enfoque en el crecimiento profesional, los pasantes disfrutarán de un entorno de trabajo flexible, formación continua y un plan de carrera personalizado, además de beneficios como un espacio de trabajo moderno y opciones de bienestar. Aquí, no solo aprenderás, sino que también contribuirás a productos que llegan a millones de usuarios.
Consejo de los expertos de StudySmarter🤫
Creemos que así podrías conseguir INTERNSHIP: Data Science (Python & ML)
✨Conéctate en meetups de ciencia de datos
Busca meetups y eventos de ciencia de datos en tu área. Estos son espacios ideales para conocer a profesionales del sector y hacer networking. Muchas veces, empresas como Carrots están buscando talentos emergentes directamente en estos eventos.
✨Muestra tus proyectos en plataformas públicas
Aprovecha plataformas como GitHub para compartir tus proyectos de ciencia de datos. Al tener una buena cartera pública, aumentas tu visibilidad y demuestras tus habilidades. ¡No dudes en incluir el enlace en tu perfil al aplicar!
✨Participa en hackatones y competiciones
Participar en hackatones te permite demostrar tus habilidades prácticas y conocer a otros apasionados de la ciencia de datos. Además, algunas empresas como Carrots a menudo realizan retos de este tipo para encontrar nuevos talentos.
✨Aplica directamente a través de nuestra web
Si te interesa una pasantía, asegúrate de visitar la página web de Carrots para aplicar directamente. Así puedes estar al tanto de cualquier oportunidad que se presente y mostrar tu interés genuino en la empresa.
Creemos que necesitas estas habilidades para triunfar como INTERNSHIP: Data Science (Python & ML)
Algunos consejos para tu solicitud 🫡
Muestra tus proyectos de datos:Si has trabajado en proyectos de data-science, ya sea en clase o por tu cuenta, ¡asegúrate de incluirlos! Esto le muestra a Carrots que ya tienes experiencia práctica. Plataformas como GitHub son perfectas para compartir tus trabajos. ¡No te olvides de destacarlos en tu CV!
Enfócate en tus habilidades analíticas:En el mundo del data-science, las habilidades técnicas son esenciales. Asegúrate de listar herramientas como Python, R, o bibliotecas como pandas y scikit-learn en tu CV. Y si tienes certificaciones relevantes, ¡inclúyelas también! Esto te ayudará a destacarte.
Muestra tu pasión por aprender:Como candidato a una pasantía, es clave demostrar tu entusiasmo por el aprendizaje. En tu carta de motivación, menciona qué te atrajo del internship en Carrots y cómo planeas crecer en el área de data-science. ¡Sé auténtico y muestra tu curiosidad!
Sé claro y conciso:En el mundo de la data, la claridad es clave. Asegúrate de que tu CV y tu carta de motivación sean fáciles de leer. Usa bullet points para listar tus habilidades y experiencias. Esto hará que tu aplicación sea más atractiva para Carrots. ¡Vamos, a brillar!
Cómo prepararte para una entrevista de trabajo en Carrots
✨Entiende las herramientas clave
Asegúrate de tener claridad sobre las herramientas y lenguajes que se utilizan en ciencia de datos, como Python, R o SQL. Practica algunos ejercicios básicos de análisis de datos que puedas explicar durante la entrevista.
✨Demuestra tu pasión por aprender
Como estás buscando una pasantía, es fundamental mostrar tu motivación y tu capacidad para aprender. Prepara ejemplos de proyectos o tareas en las que hayas usado análisis de datos, incluso si fueron solo académicos o personales, y si tuviste que investigar algo nuevo, ¡cuéntaselo al entrevistador!
✨Prepárate para problemas prácticos
Es probable que te pidan resolver problemas en tiempo real o que te den un set de datos para analizar durante la entrevista. Practica con datasets reales en plataformas como Kaggle y asegúrate de poder hablar sobre tus procesos y decisiones durante el análisis.
✨Haz preguntas sobre el equipo
No solo se trata de si te eligen a ti; también es importante que determines si el equipo es adecuado para ti. Pregunta sobre cómo el equipo de Carrots aborda los proyectos de ciencia de datos y qué tipo de mentoría recibirías en tu rol de pasante.