Data Scientist Senior

About Fligoo

En Fligoo estamos desarrollando la próxima generación de tecnología de Inteligencia Artificial para grandes empresas con base de clientes masivos. Nuestra tecnología aprovecha el poder de la IA para ayudar a las principales firmas de servicios financieros y de gestión patrimonial del mundo a comprender mejor a sus clientes, aumentar ventas, predecir la pérdida de clientes, retener asesores, incrementar el ROI y, en definitiva, hacer crecer y proteger sus activos de manera significativa.

Entre las compañías con las que trabajamos se encuentran Wells Fargo, Broadridge, Bradesco, Mastercard, BASF, entre otras.

2-min video: 

About Position

Overview
Ubicación: Córdoba (no totalmente remoto).
Tipo: Full-Time

Job Purpose

El/la Data Scientist es responsable de analizar fuentes de datos en un contexto de negocio para proponer e implementar un enfoque analítico que resuelva problemas de negocio. La persona ideal es un/a "data wrangler" competente, con experiencia en varios dominios, que disfrute analizar y resolver problemas. Traducirá hallazgos de datos en insights accionables; por ello debe sentirse cómodo/a interactuando con datos y extrayendo conclusiones correctas, además de implementar la tarea analítica adecuada para resolver el problema. El/la Data Scientist apoyará en tareas de preparación de datos, ayudará a definir e implementar las tareas analíticas y acompañará durante el desarrollo y despliegue de soluciones de Data Science.

Responsibilities

• Mantener comunicación con stakeholders para entender necesidades de negocio y puntos de dolor del cliente.
• Definir los datos necesarios para abordar esos problemas y diseñar soluciones que agreguen valor al negocio.
• Procesar datos de manera eficiente usando herramientas como S3, Athena y Jupyter Notebooks.
• Desarrollar análisis exploratorio de datos (EDA) para validar datos con los clientes y generar insights a través de data storytelling.
• Identificar el tipo de problema (clasificación, regresión, series temporales, etc.) y seleccionar el enfoque de solución que agregue valor rápidamente.
• Implementar procesamiento de datos y feature engineering para preparar los datos antes del entrenamiento y testeo de modelos.
• Evaluar la efectividad de los datos realizando chequeos de calidad de datos.
• Diseñar, construir, ajustar y probar algoritmos; y desplegar modelos usando buenas prácticas para asegurar reproducibilidad en entornos de test y producción.
• Desarrollar estrategias para validar los resultados de los modelos en producción.

Qualifications

1. Formación académica

• Título en Ciencias de la Computación, Ingeniería de Sistemas, Estadística, Matemáticas u otras disciplinas cuantitativas.
• Máster o Ph.D. en estas áreas es un plus.

2. Habilidades técnicas

• Experiencia con toolkits y entornos de Data Science como Python, Jupyter Notebooks o Spark. Conocimiento del paradigma de programación orientada a objetos.
• Experiencia con librerías Python de Data Science: Pandas, Numpy, Scikit-learn, Keras, XGBoost y LightGBM (conocer Keras, PyTorch o TensorFlow es un plus).
• Experiencia en herramientas de visualización: Matplotlib, Plotly, Seaborn o ggplot.
• Experiencia con infraestructura cloud de AWS (p. ej. S3, SageMaker, Athena, Lambdas, etc.).
• Conocimiento del framework Scrum para gestión de proyectos. Uso fluido de herramientas de gestión de tareas como Trello o Jira.
• Experiencia con control de versiones (Github o Bitbucket).
• Familiaridad con tecnologías de virtualización como Docker.

3. Otras habilidades

• Inglés intermedio (deseable).

Experience (Experiencia)

• 5+ años trabajando en proyectos reales, incluyendo implementación de modelos de machine learning supervisados y no supervisados.
• 5+ años usando plataformas de seguimiento de tareas y bugs como JIRA o Trello.
• 5+ años realizando analítica sobre fuentes de datos reales, abarcando:
  • Analítica descriptiva.
  • Analítica diagnóstica.
  • Analítica prescriptiva.
• 5+ años creando gráficos avanzados sobre fuentes de datos reales, incluyendo:
  • Descriptores de distribución (box-plot, histogramas, pie charts).
  • Correlación con variables objetivo (scatter plots, matriz de correlación).
  • Gráficos de series temporales.
  • Importancia de variables (variable importance).
  • Reportes en lenguaje de negocio.
• Extracción de features en proyectos reales con tipos de datos como: tabular, series temporales y texto.
• Experiencia con algoritmos basados en árboles (Random Forest, Gradient Boosting Machines).
• 3+ años realizando tareas de comunicación de resultados analíticos, incluyendo la capacidad de adaptar lenguaje técnico a audiencias no técnicas.
• Deseable: al menos 2 proyectos reales donde se haya ejecutado una campaña de A/B testing.