Científico/a de datos sénior Senior Data Scientist
- Remoto (EE. UU.)
- El empleador no indicó el salario
- Tiempo completo
- Publicado hace 4 días
Se postulará en el sitio web original.
Sobre este empleo
Acerca del puesto
Únete a un equipo de productos de datos de tecnología financiera en un puesto híbrido de ciencia de datos e infraestructura de aprendizaje automático. Desarrollarás modelos para producción y establecerás las bases de evaluación, implementación y monitoreo que ayudan a que los sistemas de aprendizaje automático sigan siendo confiables a medida que escalan.
Lo que harás
Definir y mejorar las prácticas para evaluar, implementar, monitorear, versionar y volver a entrenar modelos.
Diseñar marcos de evaluación y entornos de prueba para evaluar la calidad de los modelos antes y después de su lanzamiento.
Desarrollar y gestionar modelos y análisis para sugerencias de codificación de transacciones, comprensión de documentos y sistemas de generación aumentada por recuperación o basados en agentes.
Colaborar con el equipo de ingeniería de datos en decisiones de infraestructura, incluidos registros de modelos, almacenes de características, patrones de servicio y monitoreo de deriva y degradación.
Establecer estándares técnicos y mejorar herramientas y procesos a medida que crece la práctica de aprendizaje automático.
Traducir necesidades empresariales ambiguas en preguntas de modelado y diseñar experimentos, incluidas pruebas A/B y análisis causales, para medir el impacto.
Lo que buscamos
Al menos 6 años de experiencia en ciencia de datos o aprendizaje automático aplicado, incluidos modelos implementados en producción.
Sólidos conocimientos de infraestructura de aprendizaje automático, incluida la implementación, el monitoreo, el reentrenamiento, los registros de modelos y los almacenes de características, además de experiencia en el diseño de marcos de evaluación.
Dominio de Python y SQL, modelado estadístico y diseño de experimentos.
Experiencia en establecer prácticas y estándares de aprendizaje automático o ciencia de datos en un equipo.
Entre las tecnologías pertinentes se incluyen Snowflake, dbt, PostgreSQL, Kubernetes, MLflow, Terraform, Prometheus y los servicios de Google Cloud; es útil tener experiencia con plataformas de aprendizaje automático en la nube y orquestadores de flujos de trabajo.
Es útil tener experiencia con RAG, agentes, OCR o comprensión de documentos. También se valora la experiencia en tecnología financiera, banca o datos financieros.
Compensación y beneficios
Rango salarial: €75,000 a €100,000 anuales.
Ubicación
Completamente remoto dentro de la UE.
Publicado originalmente en Himalayas
Anuncio original en inglés
About the Role
Join a fintech data products team in a hybrid data science and ML infrastructure role. You will build production models and establish the evaluation, deployment, and monitoring foundations that help ML systems remain reliable as they scale.
What You'll Do
Define and evolve practices for evaluating, deploying, monitoring, versioning, and retraining models.
Design evaluation frameworks and test harnesses to assess model quality before and after launch.
Build and own models and analyses for transaction coding suggestions, document understanding, and retrieval-augmented or agentic systems.
Partner with data engineering on infrastructure decisions, including model registries, feature stores, serving patterns, and monitoring for drift and degradation.
Set technical standards and improve tools and processes as the ML practice grows.
Translate ambiguous business needs into modeling questions and design experiments, including A/B tests and causal analyses, to measure impact.
What We're Looking For
At least 6 years of data science or applied ML experience, including models shipped to production.
Strong knowledge of ML infrastructure, including deployment, monitoring, retraining, model registries, and feature stores, plus experience designing evaluation frameworks.
Proficiency in Python and SQL, statistical modeling, and experiment design.
Experience establishing ML or data science practices and standards on a team.
Relevant technologies include Snowflake, dbt, PostgreSQL, Kubernetes, MLflow, Terraform, Prometheus, and Google Cloud services; experience with cloud ML platforms and workflow orchestrators is useful.
Experience with RAG, agents, OCR, or document understanding is useful. Fintech, banking, or financial data experience is also valuable.
Compensation & Benefits
Salary range: €75,000 to €100,000 annually.
Location
Fully remote within the EU.
Originally posted on Himalayas
Los empleadores en JOBUS nunca le pedirán pagar, comprar equipo ni compartir datos bancarios o de Seguro Social antes de una oferta formal. Confianza y seguridad