ViaBill opera en la intersección de los sectores de comercio electrónico, pagos y crédito al consumidor, y es pionera en la industria y una de las primeras en entrar al mercado de BNPL, el cual está experimentando un rápido crecimiento. No es fácil convertirse en el mejor en algo. Se necesita habilidad, mucho trabajo, y un nivel de ambición y determinación inigualable. Nuestro equipo es internacional, experimentado y, sobre todo, trabajador. En solo unos años, hemos pasado de tener nuestra primera oficina en una galería de arte en Dinamarca a tener equipos ubicados en todo el mundo.
Desde un puñado de clientes hasta manejar transacciones por más de $150M al año, no tememos a los nuevos desafíos y mercados. Nuestra estrategia ha sido validada con inversiones externas de los principales VC’s Headline y BlackFin Capital Partners.
Acerca del rol
Como Científico de Datos, serás responsable de resolver problemas que caen bajo el término genérico de 'analítica avanzada': análisis de datos, modelado estadístico, aprendizaje automático, etc. Serás responsable de construir modelos de decisiones de crédito, o modelos de detección de fraude, validando el poder predictivo de la fuente de datos, así como proporcionando información basada en datos para decisiones cruciales de negocio.
Además, parte del trabajo consiste en desplegar y mantener los sistemas de decisión existentes, así como tareas sencillas de ingeniería de datos, por ejemplo, escribir scripts SQL que transformen datos brutos en características.
Participarás en la construcción de una plataforma de aprendizaje automático respaldada por AWS (banco de trabajo de ciencia de datos) - en el alcance que te sientas cómodo. En general, este papel requiere una comprensión de la aplicación práctica de las herramientas de aprendizaje automático y analítica avanzada, desde la transformación de datos brutos, pasando por la construcción de modelos de aprendizaje automático o modelos estadísticos, hasta el despliegue y mantenimiento de los modelos. También ofrece mucha libertad en la elección de herramientas y métodos, y tendrás un impacto real en el diseño de la plataforma en la que trabajarás.
Deberás colaborar eficazmente con los interesados internos y los equipos multifuncionales para resolver problemas y crear eficiencias operativas.
Este es un puesto de tiempo completo a distancia.
Acerca de ti:
- Tienes experiencia práctica en el desarrollo de modelos de aprendizaje automático y puedes demostrarlo con proyectos anteriores (proyectos comerciales, tu cartera en repositorio git o competencias de Kaggle)
- Experiencia con tuberías de aprendizaje automático, visualización de datos, validación de datos, pruebas estadísticas y presentación de tus hallazgos a audiencias no técnicas
- Se prefieren las experiencias relevantes en gestión de riesgos (fraude/crédito), préstamos al consumidor, finanzas al consumidor y/o crecimiento empresarial, pero valoramos todos los campos en los que se haya creado modelos de clasificación o regresión
- Entendimiento de técnicas de aprendizaje automático, como regresión logística, algoritmos de aumento de gradiente, un entendimiento básico de la arquitectura de la red neuronal
- Habilidades de programación de aprendizaje automático (Python, y SQL), conocimiento de los marcos de ML (scikit-learn, pandas, NumPy, Keras/tf/pytorch, matplotlib)
- Entendimiento básico de las herramientas en la nube (AWS, Google, Azure)
- Auto-dirigido con la capacidad de trabajar de manera autónoma
- El inglés es indispensable ya que somos un equipo internacional
- Familiaridad con marcos de ciencia de datos como Kedro es una gran ventaja
Acerca de nuestro equipo:
Somos un equipo de desarrolladores altamente motivados que trabajamos de manera remota desde nuestras propias oficinas. Colaboramos al estilo de los proyectos de código abierto con mantenedores principales para nuestros servicios. Cada desarrollador tiene mucha libertad trabajando en una jerarquía plana en un proceso muy optimizado donde los expertos en el dominio están fácilmente disponibles en Slack o a través de Meet. Trabajamos con un ritmo de lanzamiento muy rápido, a menudo liberando varias veces al día. Esto nos proporciona un ciclo de retroalimentación rápido y motivador. Esto también facilita que un desarrollador pueda ver su efecto en el negocio. ¡Esto nos permite experimentar y adoptar nuevas tendencias/marcos rápidamente!