ML Scientist

ML Scientist

Full Time 49500 - 60500 € / año (est.) Híbrido
Onespan

De un vistazo

  • Tareas: Desarrollar modelos de ML para detección y prevención de fraudes en colaboración con el equipo de seguridad.
  • Empresa: One Span, líder en soluciones de identidad digital y anti-fraude.
  • Beneficios: Salario competitivo, horarios flexibles, trabajo híbrido y un ambiente colaborativo.
  • Otra información: Oficinas en Barcelona, eventos comunitarios y oportunidades de crecimiento profesional.
  • Por qué este empleo: Define la estrategia de ML de la empresa y enfrenta desafíos técnicos fascinantes.
  • Cualificaciones: Experiencia en investigación y desarrollo de modelos de ML, preferiblemente en seguridad.

El salario previsto está entre 49500 - 60500 € por año.

En One Span, nos especializamos en soluciones de identidad digital y anti-fraude que crean experiencias excepcionales y seguras. Estamos buscando la primera contratación de investigación en ML para el equipo. Su trabajo será convertir nuestra telemetría en nuevas capacidades de detección y prevención: desde entender el problema junto al equipo de Seguridad, hasta idear, prototipar y validar modelos y algoritmos con datos reales. No buscamos a alguien que aplique recetas.

Buscamos a alguien que disfrute abordar un problema abierto con un adversario que se adapta, y que pueda moverse cómodamente entre el papel y el prototipo funcional.

Desafíos:

  • Trabajar junto al equipo de Seguridad para entender las técnicas de ataque actuales y emergentes contra aplicaciones móviles, y traducirlas en problemas de datos bien definidos.
  • Explorar y analizar nuestra telemetría (datalake en Click House y S3) para descubrir señales, patrones y anomalías con valor de detección.
  • Diseñar, prototipar y evaluar modelos de detección y prevención de ataques: detección de anomalías, clasificación con etiquetas escasas, modelos de comportamiento, análisis de series temporales de eventos.
  • Definir cómo se mide el éxito: métricas de detección, tasas aceptables de falsos positivos y metodología de evaluación cuando no existe una verdad completa.
  • Llevar prototipos validados hacia la producción en colaboración con el equipo de ingeniería, y sentar las bases (características, conjuntos de datos, procesos de etiquetado) para que la capacidad de ML del equipo crezca.
  • Mantenerse al día con la investigación en ML aplicada a la seguridad (detección de anomalías, ML adversarial, fraude) y aportar ideas accionables.

¿Quién eres?

  • Experiencia comprobada (5 años o PhD más experiencia aplicada) investigando y desarrollando modelos de ML en problemas del mundo real, idealmente en seguridad, fraude, anti-bot, anti-malware o dominios adversariales similares.
  • Fuerte dominio de la detección de anomalías y aprendizaje no supervisado / semi-supervisado: los datos etiquetados son escasos en este dominio, y eso moldea todo el enfoque.
  • Experiencia con telemetría a gran escala o datos de eventos: registros, series temporales, datos de comportamiento de usuarios o dispositivos.
  • Autonomía total con datos en bruto: sólido conocimiento de Python (pandas/polars, scikit-learn, Py Torch o similar), SQL avanzado y comodidad trabajando directamente contra un datalake sin conjuntos de datos preparados.
  • Mentalidad de producto: la capacidad de pasar de una idea de investigación a un prototipo evaluable en semanas, no meses, y comunicar resultados a partes interesadas no técnicas.
  • Curiosidad genuina sobre ciberseguridad y el impulso de aprender el dominio en profundidad junto a los expertos del equipo.

Deseable:

  • Experiencia previa en seguridad móvil, EDR, anti-fraude bancario o sistemas de detección de intrusiones.
  • Conocimiento de aprendizaje automático adversarial (evasión de modelos, robustez).
  • Experiencia con AWS S3, Click House u otras bases de datos analíticas de alto volumen.
  • Publicaciones, contribuciones de código abierto o charlas en ML aplicado o seguridad.
  • Experiencia implementando modelos en producción (MLOps básico).

¿Qué hay para ti?

  • La oportunidad de definir la estrategia de ML de la empresa desde cero, con impacto directo en el producto y total visibilidad.
  • Un problema técnicamente fascinante: un verdadero adversario que evoluciona, datos masivos no explotados y libertad para investigar.
  • Colaboración diaria con un equipo de Seguridad con profunda experiencia en el dominio.
  • Onboarding optimizado - para su inicio óptimo e inducción personalizada.
  • Propiedad técnica - asumir la responsabilidad de componentes clave y dar forma a cómo construimos nuestra plataforma.
  • Equipo entusiasta - esperando ayudarte a tener éxito y colaborar con ingenieros experimentados.
  • Espacios de oficina hermosos - en el corazón de Barcelona, a 200 m de Sants Estació con eventos regulares de equipo/comunidad (desayuno, almuerzo, cervezas...).
  • Buenas conexiones de transporte - fácil acceso en transporte público.
  • Horarios de trabajo flexibles y trabajo híbrido.

ML Scientist empresa: Onespan

OneSpan es un excelente empleador que combina la estabilidad de una empresa global consolidada con la energía y creatividad de una startup innovadora. En nuestra sede de Barcelona, ofrecemos un entorno de trabajo colaborativo donde los desarrolladores de software pueden crecer profesionalmente, participar en proyectos desafiantes y contribuir a soluciones de ciberseguridad de vanguardia. Además, promovemos una cultura de aprendizaje continuo y mejora, asegurando que cada miembro del equipo tenga la oportunidad de impactar positivamente en la experiencia del usuario y en la seguridad digital.

Onespan

Datos de contacto:

Equipo de selección de Onespan

Consejo de los expertos de StudySmarter🤫

Creemos que así podrías conseguir ML Scientist

✨Conviértete en un miembro activo de la comunidad de ciberseguridad

Participa en foros y comunidades like OWASP o Reddit. Compartir tus conocimientos y aprender de otros puede abrirte puertas en este campo tan dinámico. No solo es una forma de aprender, sino que también te ayuda a crear contactos valiosos.

✨Asiste a conferencias y meetups de ciberseguridad

Eventos como Black Hat y DEF CON son geniales para conocer a profesionales del sector y enterarte de las últimas tendencias. Lleva tus tarjetas de presentación y no dudes en hablar de tus proyectos y pasiones en ciberseguridad. ¡La interacción directa siempre deja huella!

✨Demuestra tus habilidades a través de proyectos prácticos

Crea un portafolio en GitHub donde muestres proyectos de ciberseguridad, como pruebas de penetración o análisis de vulnerabilidades. A los reclutadores les encanta ver tu trabajo práctico y tu capacidad de resolver problemas. ¡Es la mejor forma de mostrar de lo que eres capaz!

✨Aplica a través de nuestra web

Cuando veas una oportunidad emocionante como la de ML Scientist en Onespan, aplica directamente a través de nuestra web. Asegúrate de personalizar tu aplicación para reflejar tu pasión y conocimientos en ciberseguridad, ¡eso siempre atraerá la atención de los reclutadores!

Creemos que necesitas estas habilidades para triunfar como ML Scientist

Detección de anomalías
Aprendizaje no supervisado
Aprendizaje semi-supervisado
Análisis de series temporales
Python (pandas/polars, scikit-learn, PyTorch)
SQL avanzado
Análisis de datos de telemetría a gran escala

Algunos consejos para tu solicitud 🫡

Destaca tus certificaciones relevantes:En ciberseguridad, tener certificaciones como CEH, CISSP o CompTIA Security+ puede ser un gran plus. Asegúrate de incluirlas en tu CV y mencionarlas en tu carta de presentación. Esto muestra que no solo conoces el mundo de la ciberseguridad, sino que estás comprometido a mantenerte actualizado.

Incluye proyectos prácticos:Si has trabajado en proyectos de ciberseguridad, ya sea en la universidad o de forma independiente, ¡muéstralos! Esto puede ser desde análisis de vulnerabilidades en un entorno simulado hasta contribuciones en plataformas de código abierto. Puedes incluso crear un portfolio digital para que los reclutadores vean tus habilidades en acción.

Sé claro sobre tus objetivos profesionales:En tu carta de presentación, menciona por qué te interesa específicamente el puesto de ML Scientist en Onespan. Demuestra que has investigado sobre la empresa y que tus objetivos profesionales se alinean con sus metas en ciberseguridad. Esto puede hacer que tu aplicación destaque entre muchas.

Cuida la redacción técnica:Asegúrate de que tu CV y carta de presentación reflejen tu dominio del vocabulario técnico pertinente en ciberseguridad. No solo te ayudará a mostrar tu conocimiento, sino que también facilita la tarea de los reclutadores técnicos que revisen tu aplicación. ¡Estamos aquí para ayudarte a que tu aplicación brille y a conseguir ese trabajo a tiempo completo!

Cómo prepararte para una entrevista de trabajo en Onespan

✨Domina las herramientas de ciberseguridad

Es fundamental que te familiarices con las herramientas y tecnologías comunes en ciberseguridad, como firewalls, sistemas de detección de intrusiones y software de análisis de vulnerabilidades. Prepárate para preguntas técnicas que puedan tocar sobre cómo implementar y gestionar estas herramientas.

✨Preguntas técnicas y escenarios prácticos

En las entrevistas para ciberseguridad, es típico que te enfrentes a preguntas situacionales o proyectos de caso que evalúan tu capacidad para identificar y mitigar amenazas. Practica escenarios de ciberataques y cómo responderías; asegúrate de tener ejemplos específicos que reflejen tu experiencia.

✨Demuestra tu pasión por la seguridad

Como es un puesto a tiempo completo, las empresas buscan a alguien comprometido a largo plazo con la seguridad. Habla sobre proyectos personales, participación en comunidades de ciberseguridad o cursos que hayas tomado. Esto demuestra que realmente te importa el campo.

✨Prepara tu porfolio de logros

Para destacar en una posición de ciberseguridad a tiempo completo, es útil tener un portafolio en el que muestres tus logros anteriores, como auditorías de seguridad, proyectos de protección de datos o cualquier certificación relevante. Asegúrate de poder hablar específicamente sobre lo que hiciste y los resultados que obtuviste.