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.

Sobre el proyecto

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.

Responsabilidades principales

• 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.

Requisitos imprescindibles

• Titulación 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 herramientas

Machine Learning y Forecasting:

• Python, Scikit-learn, LightGBM.

• Prophet, StatsForecast, MLForecast o Nixtla.

• Modelos de regresión y aprendizaje supervisado.

• Modelos de series temporales y previsión de demanda.

Optimización matemática:

• Programación matemática.

• Optimización de restricciones.

• Heurísticas y algoritmos de optimización.

• Investigación operativa y optimización de decisiones.

Entorno tecnológico:

• Python, SQL, PySpark y Apache Spark.

• Azure Databricks.

• MLflow.

• Git y herramientas CI/CD.

Se valorará

• Experiencia 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 personales

• 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.

Condiciones

• 💰 Salario: hasta 40.000 € 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.

¿Te interesa el reto? Envíanos tu CV y nos pondremos en contacto contigo.

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