De un vistazo
- Tareas: Diseña y opera productos de datos geoespaciales con tecnologías modernas.
- Empresa: RealAdvisor, plataforma digital líder en el ecosistema inmobiliario europeo.
- Beneficios: Trabajo remoto, horarios flexibles y colaboración cercana con equipos de liderazgo.
- Otra información: Cultura internacional, ambiciosa y colaborativa con oportunidades de crecimiento.
- Por qué este empleo: Sé parte de un equipo innovador y haz un impacto real en el sector inmobiliario.
- Cualificaciones: Experiencia en ciencia de datos y dominio de herramientas como Docker y Kubernetes.
El salario previsto está entre 49500 - 60500 € por año.
RealAdvisor es una de las principales plataformas digitales en el ecosistema inmobiliario europeo. Fundada en Suiza, ahora apoyamos a más de 5,000 agencias inmobiliarias y atraemos a más de 10 millones de usuarios al año en toda Europa. Estamos escalando rápidamente en múltiples mercados con una misión clara: ayudar a los profesionales inmobiliarios a crecer a través de datos, transparencia y tecnología inteligente. En RealAdvisor, valoramos la propiedad, la autonomía y el impacto.
Descripción del Rol
Buscamos un Ingeniero de Aprendizaje Automático para asumir la propiedad de nuestros productos de datos geoespaciales. Este no es un rol de ajuste de modelos. Diseñarás, construirás y operarás todo el ciclo de vida de los datos detrás de nuestros conocimientos inmobiliarios, desde la orquestación de tuberías complejas en Kubernetes hasta la entrega de visualizaciones geoespaciales de alto rendimiento con Mapbox. Este es un rol de construcción. Debes sentirte tan cómodo depurando un DAG de Airflow como computando estadísticas espaciales u optimizando consultas analíticas. Tendrás total autonomía sobre un stack moderno y de alto rendimiento:
- Orquestación y Operaciones: Airflow, Kubernetes, Docker
- Almacenamiento de Datos: Postgres (PostGIS) para cargas de trabajo espaciales; ClickHouse para análisis a gran escala
- Programación: Python de calidad de producción
Responsabilidades Clave
- Pipelines de Fin a Fin: Diseñar y desplegar pipelines automatizados (ETL) utilizando Airflow para ingerir conjuntos de datos diversos (transacciones inmobiliarias, listados, geo-datos)
- Análisis Geoespacial: Calcular métricas espaciales avanzadas (por ejemplo, colmenas de precios, precios promedio por vecindario) utilizando PostGIS y Python
- Gestión de Infraestructura: Mantener y optimizar el entorno de Kubernetes donde se ejecutan tus pipelines y modelos
- Ingeniería de Visualización: Transformar tus salidas analíticas en capas de mapas interactivas (Vector Tiles) que se integren sin problemas con Mapbox en nuestro frontend
Lo Que Buscamos
- Verdaderamente Full-Stack (Datos): No crees que los científicos de datos deban detenerse en los cuadernos. Posees infraestructura, implementación y confiabilidad porque así es como se entrega un verdadero valor
- Intuición Geoespacial Fuerte: Entiendes proyecciones, polígonos, uniones espaciales y cómo visualizar densidad y patrones de manera efectiva
- Mentalidad de Ingeniería: Escribes código Python limpio, modular y mantenible diseñado para producción, no scripts únicos
- Experiencia: Más de 3 años en un rol de Ciencia de Datos o Ingeniería de Datos, con propiedad práctica de sistemas de producción
- Competencia en Infraestructura: Sólida experiencia con Docker y Kubernetes, incluyendo depuración y solución de problemas en entornos en vivo
- Experiencia en Bases de Datos: SQL avanzado, especialmente con PostGIS o extensiones espaciales similares. La experiencia con ClickHouse es una gran ventaja
- Dominio de Orquestación: Profunda experiencia práctica con Airflow para construir y mantener pipelines de datos confiables
Rol completamente remoto con horarios de trabajo flexibles. Colaboración cercana con equipos de liderazgo y de mercado. Cultura de equipo internacional, ambiciosa y colaborativa.
Beneficios
Rol completamente remoto con horarios de trabajo flexibles. Colaboración cercana con equipos de liderazgo y de mercado. Cultura de equipo internacional, ambiciosa y colaborativa.
Machine Learning Engineer empresa: RealAdvisor
RealAdvisor es un excelente empleador que ofrece a sus colaboradores la oportunidad de trabajar de manera autónoma en un entorno internacional, fomentando el crecimiento personal y profesional. Con un enfoque en soluciones innovadoras para el sector inmobiliario, los profesionales de ventas B2B disfrutarán de un ambiente dinámico y flexible, donde se valora la iniciativa y se recompensa el rendimiento con un atractivo sistema de comisiones.
Consejo de los expertos de StudySmarter🤫
Creemos que así podrías conseguir Machine Learning Engineer
✨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 Machine Learning Engineer en RealAdvisor.
✨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 Machine Learning Engineer en RealAdvisor.
✨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 Machine Learning Engineer.
Creemos que necesitas estas habilidades para triunfar como Machine Learning Engineer
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 RealAdvisor!
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 RealAdvisor.
Personaliza tu carta de presentación:No te limites a copiar y pegar una carta estándar. Haz que tu carta sea única para RealAdvisor. 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 RealAdvisor
✨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 RealAdvisor. 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.