Ingeniero de ML – Previsión, Series Temporales y Optimización Matemática

• 💰 Salario: hasta 40.000 € brutos anuales.

ML Engineer - Forecasting, Series Temporales y Optimización Matemática

📍 Ubicación: 100% remoto
🏢 Cliente: Santander
💰 Salario: Hasta 40.000 € brutos anuales
📄 Proyecto: Gestión de efectivo y previsión de demanda en el sector bancario.

Buscamos 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.

• Analizar, 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.

• 🏠 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.

#MachineLearning #MLEngineer #DataScience #Forecasting #TimeSeries #SeriesTemporales #DemandForecasting #OptimizaciónMatemática #MathematicalOptimization #Python #PySpark #AzureDatabricks #MLflow #MLOps #ArtificialIntelligence #BigData #Santander #OfertaEmpleo #EmpleoIT #TrabajoRemoto #100Remote

• Python, Scikit-learn, LightGBM.

• Prophet, StatsForecast, MLForecast o Nixtla.

• Modelos de regresión y aprendizaje supervisado.

• Modelos de series temporales y previsión de demanda.

• Programación matemática.

• Optimización de restricciones.

• Heurísticas y algoritmos de optimización.

• Investigación operativa y optimización de decisiones.

• Python, SQL, PySpark y Apache Spark.

• Azure Databricks.

• MLflow.

• Git y herramientas CI/CD.

• Capacidad 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.