- Desarrollar y aplicar modelos de machine learning y técnicas de inteligencia artificial para resolver problemas de negocio.
- Realizar análisis exploratorio de datos, feature engineering y evaluación de modelos con metodologías rigurosas.
- Participar en la validación de modelos mediante técnicas como cross-validation, análisis de bias/variance y testing de robustez.
- Implementar y mantener pipelines de machine learning (entrenamiento, inferencia y monitorización) bajo estándares de calidad de software.
- Contribuir a la explicabilidad de modelos y documentación en entornos regulados.
- Colaborar con equipos multidisciplinares y comunicar resultados a perfiles técnicos y de negocio.
- Grado o máster (o estar en último año) en Matemáticas, Estadística, Ingeniería, Computer Science, Física o similar.
- Base sólida en álgebra lineal, probabilidad, estadística y optimización.
- Programación en Python (pandas, numpy, scikit-learn).
- Experiencia práctica con librerías de machine learning y conocimiento de al menos un framework de deep learning (TensorFlow o PyTorch).
- Conocimiento de evaluación de modelos (AUC, precisión/recall, RMSE, etc.).
- Manejo de SQL para consulta de datos.
- Nivel de inglés profesional.
- Conocimientos en NLP, LLMs o técnicas de inteligencia artificial generativa.
- Familiaridad con conceptos de MLOps (MLflow, Docker, pipelines, monitorización).
- Experiencia con cloud (AWS, Azure o GCP) o herramientas como Databricks.
- Interés o conocimiento en entornos financieros o de riesgo.
- Conocimientos de validación y gobierno de modelos en entornos regulados.
• Modalidad flexible y posibilidad de trabajo remoto.
• Plan de carrera personalizado y formación continua
• Participación en proyectos estables con alto componente técnico.
• Flexibilidad horaria y enfoque en la conciliación.
• Beneficios sociales adaptados a tus necesidades
#LI-CF1









