Data Scientist (Machine Learning)

Descripción

En EPAM NEORIS, creemos que la transformación empieza por las personas. Hoy, como parte de EPAM, ampliamos nuestro alcance global y nuestras capacidades, pero mantenemos lo más importante: una cultura donde cada persona puede crecer, aportar y ser protagonista. No buscamos solo cubrir puestos. Buscamos incorporar talento que quiera superarse, aprender constantemente y dejar huella en cada proyecto. Somos un equipo diverso, inclusivo y en constante evolución. Impulsamos ideas, no jerarquías. Apostamos por el desarrollo real de cada persona. Si quieres trabajar en un lugar donde tu crecimiento importa tanto como los resultados, te estamos buscando.

Respaldados por más de 60,000 profesionales en más de 55 países y un sólido modelo Nearshore, conectamos capacidades globales con confianza local para generar impacto real, crecimiento sostenible y resultados de alto valor para nuestros clientes.

Estamos en búsqueda de: Data Scientist (Machine Learning & AI)

Principales responsabilidades

• Desarrollar y aplicar modelos de machine learning y técnicas de inteligencia artificial para resolver problemas de negocio.
• Realizar análisis exploratorio de datos, feature engineering y evaluación de modelos con metodologías rigurosas.
• Participar en la validación de modelos mediante técnicas como cross-validation, análisis de bias/variance y testing de robustez.
• Implementar y mantener pipelines de machine learning (entrenamiento, inferencia y monitorización) bajo estándares de calidad de software.
• Contribuir a la explicabilidad de modelos y documentación en entornos regulados.
• Colaborar con equipos multidisciplinares y comunicar resultados a perfiles técnicos y de negocio.

Requerimientos

Excluyentes

• Grado o máster (o estar en último año) en Matemáticas, Estadística, Ingeniería, Computer Science, Física o similar.
• Base sólida en álgebra lineal, probabilidad, estadística y optimización.
• Programación en Python (pandas, numpy, scikit-learn).
• Experiencia práctica con librerías de machine learning y conocimiento de al menos un framework de deep learning (TensorFlow o PyTorch).
• Conocimiento de evaluación de modelos (AUC, precisión/recall, RMSE, etc.).
• Manejo de SQL para consulta de datos.