Remote Data Scientist: ML, Analytics & Growth

Logicalis Group; Madrid; Remote; EUR 45,000 - 60,000; Full time

Benefits offered by this job

Incorporación inmediata

Contrato indefinido

Trabajo 100% remoto desde España

Retribución flexible

Seguro médico

GYMPASS

Planes de formación

Portal de descuentos

Job summary

Logicalis Spain busca un Data Scientist para el equipo de Data & Analytics, que trabaje en proyectos de inteligencia artificial, analítica avanzada y gobernanza del dato para clientes nacionales e internacionales.

Serás responsable de desarrollar y entrenar modelos de ML, realizar análisis exploratorios y preparar datos de múltiples fuentes, llevando los modelos desde el diseño hasta su puesta en producción y demostrando buenas prácticas de desarrollo.

Qualifications

• Experiencia en Data Science y desarrollo de modelos de ML.
• Conocimiento de Python y librerías como Pandas, NumPy y scikit-learn.
• Experiencia en análisis, transformación y tratamiento de datos; SQL.
• Buenas competencias en estadística y métricas de evaluación; experiencia con Git en entornos colaborativos.
• Conocimientos deseables de AWS, GitFlow, MLOps y entornos de banca o seguros.

Responsibilities

• Desarrollar, entrenar y evaluar modelos de Machine Learning para dar respuesta a necesidades de negocio.
• Realizar análisis exploratorios y preparar datos procedentes de diferentes fuentes para su posterior explotación.
• Participar en todo el ciclo de vida de los modelos, desde su diseño hasta su puesta en producción.
• Trabajar junto a equipos de Data & AI aplicando buenas prácticas de desarrollo y versionado.

Skills

Data Science

Python

Pandas

NumPy

scikit-learn

SQL

Git

AWS

GitFlow

MLOps

Banking/Insurance

Job description

Logicalis Spain busca un Data Scientist para el equipo de Data & Analytics, que trabaje en proyectos de inteligencia artificial, analítica avanzada y gobernanza del dato para clientes nacionales e internacionales.

Serás responsable de desarrollar y entrenar modelos de ML, realizar análisis exploratorios y preparar datos de múltiples fuentes, llevando los modelos desde el diseño hasta su puesta en producción y demostrando buenas prácticas de desarrollo.