Importante entidad bancaria líder a nível nacional precisa incorporar para el equipo de Transformación Digital un Data Scientist.
La misión de la dirección de Transformación Digital es liderar el proceso de cambio tecnológico, buscando mejorar la eficiencia, la innovación y la experiencia de los auditores y auditados; adoptando nuevas herramientas y cambiando procesos para aprovechar al máximo las capacidades digitales disponibles, con especial foco en el ámbito de la analítica avanzada, automatización e inteligencia artificial.
La posición de Data Scientist consiste en:Desarrollar proyectos de Inteligencia Artificial, principalmente en entornos de Google Cloud.Identificar y definir nuevos casos de uso relacionados con analítica avanzada, tanto para uso interno como para dar soporte a otras direcciones de Auditoría.Participar de la definición del stack tecnológico necesario para cubrir las necesidades del equipo. Definir los requerimientos tecnológicos, potenciales mejoras, etc. REQUISITOS MÍNIMOS:Licenciatura o Máster en un grado STEM (ingeniería, estadística, matemáticas, física, etc.).Mínimo 3 años de experiencia laboral, incluyendo roles de gestión y analítica.Fuertes habilidades para resolver problemas y la capacidad de pensar analítica y críticamente.La experiencia en sector financiero y en áreas o funciones de control se considerará un plus.Tecnologías requeridas:Nivel medio/alto de SQL: consultas y ordenación, funciones de agregación, joins y subconsultas, modificación de datos, indexación y optimización, creación de vistas y procedimientos, transacciones y modelado de datos. Conocimiento de PL/SQL y BigQuery se considerará un plus.Nivel medio de Python (OOP, manejo de I/O, excepciones y capacidad de debugging).Conocimiento de R se considerará un plus.Conocimientos de Git: Inicialización de repositorios, comandos básicos, branching y merging, resolución de conflictos, tagging, revertir cambios, y buenas prácticas en flujos de trabajo (main/test/dev).Conocimiento de orquestación deseables (Airflow, Composer, etc): definición de flujos de trabajo (DAG), planificación y ejecución, manejo de variables y parámetros, monitoreo y registro, y manejo de errores.Conocimientos de servicios cloud especialmente en GCP: contenedores y orquestación, servicios serverless, automatización de infraestructura, monitorización y registro. Requerimientos analíticosAnálisis exploratorio (EDA): estadística descriptiva, estudio de distribuciones y relaciones, visualización, etc.Estadística y aprendizaje automático: probabilidad, inferencia, regresión, clasificación, supervisados no supervisados, algoritmos de aprendizaje profundo, etc.Conocimiento de Frameworks más comunes (scikit-learn, pandas, numpy, caret, tidyverse, etc).Capacidades de data storytelling y visualización: uso de herramientas como matplotlib, seaborn, plotly o ggplot2.Manejo y uso de notebooks.Nivel medio/alto sobre evaluación de modelos: rendimiento de modelos, crossvalidation, etc.Nivel medio/alto sobre optimización de modelos: estrategias y técnicas de optimización y ajuste de hiperparámetros, selección de modelos para best-fitting, etc.Nociones sobre despliegue y monitorización de modelos: familiaridad con estrategias y herramientas para implementar modelos en entornos productivos, comprensión del stack necesario y de las buenas prácticas. COMPETENCIAS CLAVE:Orientación a impacto en negocio y experiencia cliente, con inquietud en la mejora continua y en poner en práctica nuevas maneras de hacer con claro foco en resultados.Excelentes dotes de comunicación y presentación, con capacidad para explicar conceptos complejos de forma clara y concisa.Persona resolutiva con adaptabilidad al cambio, con espíritu innovador y compromiso.
#J-18808-Ljbffr