Applied Scientist, Machine Learning & Economics in Madrid

Applied Scientist, Machine Learning & Economics in Madrid

Madrid Full Time 49500 - 60500 € / año (est.) Remoto
W

De un vistazo

  • Tareas: Lidera proyectos de machine learning y ciencia de datos en la industria de los videojuegos.
  • Empresa: Hushcrasher, una startup innovadora en investigación aplicada para videojuegos.
  • Beneficios: Equidad en la empresa, trabajo remoto y permisos de trabajo en Francia para candidatos fuera de la UE.
  • Otra información: Ambiente dinámico con oportunidades de crecimiento profesional y colaboración con expertos de la industria.
  • Por qué este empleo: Contribuye a resolver problemas complejos y haz un impacto real en el mercado de videojuegos.
  • Cualificaciones: Experiencia en machine learning y matemáticas aplicadas, con habilidades en investigación y producción.

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

Hushcrasher does applied research for the video game industry.

We measure the video game market, predict its outcomes, and optimize its key decisions.

Our ambition is to solve its hardest problems: revenue forecasting, optimal pricing, causal factors of success.

We turn business questions into optimization problems, helping studios, publishers, and investors make better decisions.

We are looking for our first hire.

The role involves taking the lead on machine learning and data science, and building the scientific core of the company with us.

You design the models at the heart of our products (forecasting, demand estimation, game similarity through embeddings), help decide which ones we build next, and take them all the way to production.

Part of your time goes to research you initiate yourself, with the goal of gaining a better understanding of the video game market.

We work as peers: you own your projects.

Questions you might work on

What makes two games similar, and how can we better leverage images and other non-textual data to do so?

What are the best early signals to predict a game’s success, and how precise could we be?

At what price should a game launch to maximize its revenue, and how should that price vary across time and markets?

When should a game be released, and how much does the competition matter?

How much does it cost to make a game? How likely is it to overrun its initial budget?

Which small design tweaks would causally raise a game’s odds of success?

How can we detect emerging trends, and declining ones?

Hushcrasher started from the urge to take a subject as far as it can go.

We are looking for people who have done the same, whatever the topic: research you led, a model you took to production, a company you founded, a tool people actually use.

Your strength is machine learning and applied mathematics, to complement our CTO, an economist and data scientist.

You are versatile, as comfortable with theory as with shipping, and at ease in a young company.

You treat your work as a craft and hold a high bar.

Hushcrasher was founded in January 2026 by a Ph D economist, and a former VC advisor turned game studio manager.

Since then, the company secured €800k in grants, put our first models into production, launched a newsletter read by 1,300 industry professionals, and started building a demand model with an economist at ZEW and advice from a Ph D candidate at Harvard.

We work fully remote within the EU, with a few in-person meetups in Paris during the year.

We offer equity and sponsor French work permits for candidates based outside the EU.

Applied Scientist, Machine Learning & Economics in Madrid empresa: WiMLDS

WiMLDS ofrece un entorno de trabajo totalmente remoto dentro de la UE, lo que permite una gran flexibilidad. La empresa se centra en la investigación aplicada en la industria de los videojuegos, brindando oportunidades para liderar proyectos innovadores en ciencia de datos y aprendizaje automático. Los empleados tienen la oportunidad de poseer sus propios proyectos y contribuir a la comprensión del mercado de videojuegos.

W

Datos de contacto:

Equipo de selección de WiMLDS

Consejo de los expertos de StudySmarter🤫

Creemos que así podrías conseguir Applied Scientist, Machine Learning & Economics 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 Applied Scientist, Machine Learning & Economics en WiMLDS.

✨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 Applied Scientist, Machine Learning & Economics en WiMLDS.

✨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 Applied Scientist, Machine Learning & Economics.

Creemos que necesitas estas habilidades para triunfar como Applied Scientist, Machine Learning & Economics in Madrid

Machine Learning
Data Science
Model Design
Forecasting
Demand Estimation
Optimization
Applied Mathematics

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 WiMLDS!

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 WiMLDS.

Personaliza tu carta de presentación:No te limites a copiar y pegar una carta estándar. Haz que tu carta sea única para WiMLDS. 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 WiMLDS

✨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 WiMLDS. 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.