Ml Engineer - Forecasting, Series Temporales Y Optimización Matemática
- Discuss this with your agent
- Open in Claude
- Open in ChatGPT
Prepare application
- Draft this with your agent
- Open in Claude
- Open in ChatGPT
Role details
Tech stack
+1 more
Job description
Python avanzado aplicado a Machine Learning y modelización.Ubicación: 100% remotoCliente: SantanderSalario: Hasta ** € brutos anualesProyecto: Gestión de efectivo y previsión de demanda en el sector bancario.Sobre el proyectoBuscamos un/a Machine Learning Engineer para incorporarse a un proyecto estratégico en el sector bancario, orientado a la previsión de demanda y optimización de la gestión de efectivo.La persona seleccionada participará en el análisis, desarrollo, validación y mejora de modelos de Machine Learning tradicionales, especialmente modelos de series temporales, forecasting y optimización matemática aplicados a problemas operativos y de negocio.Se requiere una base sólida en modelización predictiva, entrenamiento y evaluación de modelos, así como conocimientos de optimización para mejorar la toma de decisiones.También participará en la adaptación y productivización de los modelos en entornos corporativos.Responsabilidades principalesAnalizar, desarrollar, entrenar y validar modelos de Machine Learning supervisado.Trabajar con modelos de series temporales y forecasting para la previsión de demanda.Evaluar y comparar diferentes enfoques de modelización, analizando precisión, estabilidad y capacidad predictiva.Optimizar modelos de forecasting y proponer mejoras en los algoritmos y estrategias de entrenamiento.Trabajar con modelos de optimización matemática aplicados a la asignación de recursos, planificación y toma de decisiones operativas.Analizar problemas de optimización de denominaciones y gestión de efectivo.Evaluar la combinación de modelos predictivos con algoritmos de optimización y reglas de negocio.Participar en el diseño y mejora de procesos de entrenamiento, inferencia y reentrenamiento de modelos.Colaborar en la adaptación de modelos a entornos productivos mediante buenas prácticas de MLOps.Trabajar con plataformas analíticas y entornos distribuidos como Azure Databricks y PySpark.Documentar los modelos, experimentos, resultados y decisiones técnicas.Requisitos imprescindiblesTitulación universitaria en Ingeniería Informática, Matemáticas, Física, Estadística, Data Science o similar.Entre 2 y 5 años de experiencia en Machine Learning, Data Science o desarrollo de soluciones analíticas.Python avanzado aplicado a Machine Learning y modelización.Experiencia práctica en Machine Learning tradicional: entrenamiento, evaluación, validación y optimización de modelos.Conocimientos sólidos de series temporales, forecasting y previsión de demanda.Conocimientos aplicados de optimización matemática, programación matemática, heurísticas o investigación operativa.Experiencia con modelos supervisados y técnicas de evaluación de modelos.SQL para consulta, transformación y validación de datos.Conocimientos de PySpark / Apache Spark.Experiencia con Azure Databricks o plataformas equivalentes.Conocimientos de Git y metodologías de desarrollo colaborativo.Inglés técnico suficiente para trabajar con documentación y librerías especializadas.Tecnologías y herramientasMachine Learning y ForecastingPython, Scikit-learn, LightGBM.Prophet, StatsForecast, MLForecast o Nixtla.Modelos de regresión y aprendizaje supervisado.Modelos de series temporales y previsión de demanda.Optimización MatemáticaProgramación matemática.Optimización de restricciones.Heurísticas y algoritmos de optimización.Investigación operativa y optimización de decisiones.Entorno TecnológicoPython, SQL, PySpark y Apache Spark.Azure Databricks.MLflow.Git y herramientas CI/CD.Se valoraráExperiencia en banca, sector financiero, retail o entornos operativos.Experiencia en proyectos de previsión de demanda y planificación de recursos.Conocimientos de MLOps, versionado y monitorización de modelos.Experiencia migrando modelos desde notebooks a entornos productivos.Conocimientos de Azure y herramientas corporativas de gobierno de modelos.Experiencia con procesos batch de entrenamiento, predicción y optimización.Uso de herramientas de IA aplicadas al desarrollo, como GitHub Copilot.Competencias personalesCapacidad analítica y orientación a la resolución de problemas.Criterio técnico para evaluar y mejorar modelos.Autonomía y capacidad de aprendizaje.Comunicación con equipos técnicos y de negocio.Orientación a resultados y mejora continua.CondicionesSalario: hasta ** € brutos anuales.Modalidad: 100% remoto.Proyecto en el sector bancario con Santander.Participación en un proyecto de Machine Learning aplicado a previsión de demanda y optimización operativa.#J-*****-Ljbffr
Requirements
productivos mediante buenas prácticas de MLOps.Trabajar con plataformas analíticas y entornos distribuidos como Azure Databricks y PySpark.Documentar los modelos, experimentos, resultados y decisiones técnicas.Requisitos imprescindiblesTitulación universitaria en Ingeniería Informática, Matemáticas, Física, Estadística, Data Science o similar.Entre 2 y 5 años de experiencia en Machine Learning, Data Science o desarrollo de soluciones analíticas.Python avanzado aplicado a Machine Learning y modelización.Experiencia práctica en Machine Learning tradicional: entrenamiento, evaluación, validación y optimización de modelos.Conocimientos sólidos de series temporales, forecasting y previsión de demanda.Conocimientos aplicados de optimización matemática, programación matemática, heurísticas o investigación operativa.Experiencia con modelos supervisados y técnicas de evaluación de modelos.SQL para consulta, transformación y validación de datos.Conocimientos de PySpark / Apache Spark.Experiencia con Azure Databricks o plataformas equivalentes.Conocimientos de Git y metodologías de desarrollo colaborativo.Inglés técnico suficiente para trabajar con documentación y librerías especializadas.Tecnologías y herramientasMachine Learning y ForecastingPython, Scikit-learn, LightGBM.Prophet, StatsForecast, MLForecast o Nixtla.Modelos de regresión y aprendizaje supervisado.Modelos de series temporales y previsión de demanda.Optimización MatemáticaProgramación matemática.Optimización de restricciones.Heurísticas y algoritmos de optimización.Investigación operativa y optimización de decisiones.Entorno TecnológicoPython, SQL, PySpark y Apache Spark.Azure Databricks.MLflow.Git y herramientas CI/CD.Se valoraráExperiencia en banca, sector financiero, retail o entornos operativos.Experiencia en proyectos de previsión de demanda y planificación de recursos.Conocimientos de MLOps, versionado y monitorización de modelos.Experiencia migrando modelos desde notebooks a entornos productivos.Conocimientos de Azure y herramientas corporativas de gobierno de modelos.Experiencia con procesos batch de entrenamiento, predicción y optimización.Uso de herramientas de IA aplicadas al desarrollo, como GitHub Copilot.Competencias personalesCapacidad analítica y orientación a la resolución de problemas.Criterio técnico para evaluar y mejorar modelos.Autonomía y capacidad de aprendizaje.Comunicación con equipos técnicos y de negocio.Orientación a resultados y mejora continua.CondicionesSalario: hasta ** € brutos anuales.Modalidad: 100% remoto.Proyecto en el sector bancario con Santander.Participación en un proyecto de Machine Learning aplicado a previsión de demanda y optimización operativa.
About the company
Python avanzado aplicado a Machine Learning y modelización.Ubicación: 100% remotoCliente: SantanderSalario: Hasta ** € brutos anualesProyecto: Gestión de efectivo y previsión de demanda en el sector bancario.Sobre el proyectoBuscamos un/a Machine Learning Engineer para incorporarse a un proyecto estratégico en el sector bancario, orientado a la previsión de demanda y optimización de la gestión de efectivo.La persona seleccionada participará en el análisis, desarrollo, validación y mejora de modelos de Machine Learning tradicionales, especialmente modelos de series temporales, forecasting y optimización matemática aplicados a problemas operativos y de negocio.Se requiere una base sólida en modelización predictiva, entrenamiento y evaluación de modelos, así como conocimientos de optimización para mejorar la toma de decisiones.
Apply for this position
This job is hosted externally. Click below to view the full posting and apply.
Prepare application
- Draft this with your agent
- Open in Claude
- Open in ChatGPT
Good distractions
Loading talks and stories from around this role…