De un vistazo
- Tareas: Desarrolla modelos de ML para detectar y prevenir delitos financieros en transacciones.
- Empresa: Empresa innovadora en tecnología financiera con un ambiente colaborativo.
- Beneficios: Salario competitivo, beneficios de salud, trabajo remoto y desarrollo profesional.
- Otra información: Oportunidades de crecimiento en un entorno dinámico y startup.
- Por qué este empleo: Impacta en la lucha contra el crimen financiero usando tecnología de vanguardia.
- Cualificaciones: Experiencia en ML, habilidades en SQL y Python, y educación cuantitativa.
El salario previsto está entre 49500 - 60500 € por año.
Desarrollo de modelos de ML de pila completa (clasificación binaria y regresión) para la detección y prevención de delitos financieros durante el procesamiento de transacciones y la incorporación de clientes: recopilación de requisitos, prototipado y despliegue en un entorno de producción.
Poseer y evolucionar el Dynamic Risk Score (DRS) en todos los mercados: puntuación diaria de toda la base de clientes que alimenta la toma de decisiones a lo largo del ciclo de vida del cliente.
Manejar una cartera de reglas de transacción con detección impulsada por ML, optimizando su rendimiento y el número de alertas generadas.
Establecer un monitoreo continuo del rendimiento de modelos y reglas en producción, y desarrollar el marco de campeón-desafiante para que el modelo de mejor rendimiento sea siempre el que esté activo en producción.
Participar en el desarrollo de infraestructura para la operacionalización de modelos de ML e interacciones entre servicios, de modo que se puedan servir e inferir modelos de complejidad variable.
Experiencia con monitoreo de modelos y evaluación de campeón-desafiante / A-B en producción. La exposición a modelado gráfico o modelos/embeddings fundamentales es un plus.
Educación cuantitativa (matemáticas, ingeniería, economía o CS) y dominio completo del inglés.
Pensador crítico y analítico: proactivo, orientado a resultados, cómodo trabajando con poca supervisión en un entorno de inicio.
Fuerte en SQL y Python, y con plataformas de datos en la nube (por ejemplo, Databricks).
Fuertes habilidades arquitectónicas: capaz de diseñar y mejorar la infraestructura que sirve modelos de complejidad variable.
Al menos 5 años como Ingeniero de Aprendizaje Automático o Científico de Datos de pila completa, con experiencia en despliegue en producción (incl. servicios API como FastAPI).
Senior Machine Learning Engineer in Madrid empresa: Finom
Finom es un empleador excepcional que ofrece un entorno de trabajo dinámico y colaborativo, ideal para aquellos que buscan crecer en el sector fintech. Con oportunidades de desarrollo profesional y un enfoque en relaciones a largo plazo con los clientes, nuestros empleados disfrutan de un equilibrio entre la vida laboral y personal, así como de un equipo diverso y solidario en España. Además, al ser una scale-up, tendrás la oportunidad de influir directamente en el crecimiento de la empresa y en la satisfacción del cliente.
Consejo de los expertos de StudySmarter🤫
Creemos que así podrías conseguir Senior Machine Learning Engineer in Madrid
✨Conéctate a Comunidades de Ciencia de Datos
Participa en foros y comunidades online como Kaggle o GitHub, donde puedes compartir proyectos de ciencia de datos y mostrar tus habilidades. Esto no solo te ayuda a aprender más, sino que también te da visibilidad ante reclutadores que están buscando talento.
✨Asiste a Meetups y Conferencias
Las conferencias de ciencia de datos y los meetups locales son una excelente manera de conocer a personas en la industria. Intenta asistir a eventos como PyData o Data Science Meetups en tu ciudad; así podrás establecer conexiones importantes y enterarte de oportunidades laborales como la de Senior Machine Learning Engineer en Finom.
✨Demuestra tus Habilidades con Proyectos Personales
Crea un portafolio en línea donde puedas presentar proyectos realizados por ti. Asegúrate de incluir muestras de tu trabajo en Python, R, o cualquier otra herramienta que domines. Esto hará que te destaques cuando postules a Senior Machine Learning Engineer en Finom.
✨Conéctate con Profesionales en LinkedIn
Haz uso de LinkedIn para seguir a empresas de ciencia de datos y conectar con quienes trabajan en ellas. Este tipo de estrategia puede abrirte puertas, ya que muchos reclutadores revisan perfiles antes de decidir a quién invitar a entrevistas para roles como Senior Machine Learning Engineer.
Creemos que necesitas estas habilidades para triunfar como Senior Machine Learning Engineer in Madrid
Algunos consejos para tu solicitud 🫡
Destaca tus habilidades técnicas:En el mundo de la ciencia de datos, es fundamental que tu CV incluya herramientas y lenguajes de programación específicos. No te olvides de mencionar tus conocimientos en Python, R o SQL, y cualquier experiencia relevante con bibliotecas como Pandas o TensorFlow. ¡Esto le dará un gran empujón a tu perfil ante Finom!
Proyectos y experiencias prácticas:Además de tu formación académica, es clave incluir proyectos anteriores donde hayas aplicado tus habilidades en ciencia de datos. Asegúrate de mencionar cualquier trabajo que hayas hecho, ya sea en la universidad o de manera independiente. Esto demuestra tu capacidad para resolver problemas reales y tu motivación para aprender en un entorno profesional.
Céntrate en resultados cuantificados:En tu carta de presentación y CV, incluye logros que puedas cuantificar. Por ejemplo, si has dirigido un proyecto que mejoró la eficiencia en un XX%, esto no solo impresiona, sino que demuestra tu capacidad para generar resultados concretos. Esto es especialmente atractivo para un puesto a tiempo completo en Finom.
Personaliza tu carta de presentación:No te limites a copiar y pegar una carta estándar. Haz que tu carta sea única para Finom. Comenta por qué te apasiona la ciencia de datos y cómo encajas en la misión de la empresa. Aunque el CV es importante, una carta que muestre tu motivación y visión puede hacer la diferencia.
Cómo prepararte para una entrevista de trabajo en Finom
✨Prep para preguntas técnicas de datos
Sabemos que en el campo de la ciencia de datos es común que te hagan preguntas técnicas. Prepárate para discutir tus conocimientos en estadística, análisis de datos y programación en Python o R. Además, asegúrate de poder explicar tus proyectos anteriores y el proceso detrás de ellos, ¡es vital que muestres tu pensamiento crítico!
✨Demuestra tus habilidades con un portfolio impactante
Tener un portfolio que muestre tus proyectos de ciencia de datos es esencial. Asegúrate de incluir ejemplos de análisis complejos, visualización de datos e incluso modelos predictivos que hayas desarrollado. ¡Esto no solo muestra tu competencia técnica, sino que también puede dar pie a una conversación más profunda durante la entrevista!
✨Prepárate para discutir casos de uso de datos
En una entrevista para un puesto de ciencia de datos, a menudo te preguntarán sobre estudios de caso o situaciones del mundo real. Practica cómo explicar cómo aplicarías técnicas de análisis para resolver problemas específicos que podrían enfrentar en Finom. Esto demuestra que entiendes la aplicabilidad de tus habilidades.
✨Muestra tu entusiasmo y curiosidad
Como candidato a un puesto a tiempo completo, es crucial que muestres tu pasión por la ciencia de datos y tu deseo de aprender. Comparte tus intereses en las últimas tendencias de la IA o el machine learning, y menciona proyectos futuros que te gustaría explorar. Esto puede hacer que te destaques entre otros candidatos.