Saltar al contenido

Búsqueda

← Volver a las búsquedas
Resumen
Ver aviso original ↗

Cashea / Datos

Senior Data Scientist

nuevaDesde Argentina

  • Remoto desde Argentina
  • Tiempo completo
  • Remoto
  • Senior
  • 7+ años de experiencia

Requisitos

  • python
  • sql
  • git
  • pandas
  • bigquery
  • estadística
  • • 7+ años de experiencia
  • • inglés fluido
  • • español fluido

La búsqueda

¡Hola! Somos Cashea 👋 y nuestra misión es devolverle a los venezolanos la oportunidad de acceder al crédito a través de un modelo de negocio BNPL (buy now, pay later). Desde nuestro lanzamiento en 2022, nos hemos dedicado a promover la inclusión financiera. Hoy contamos con más de 10 millones de usuarios activos, tanto consumidores como comercios, y nos hemos convertido en una marca de confianza en Venezuela, ganándonos el corazón y la mente de las personas.

Resumen del rol Buscamos un/a Data Scientist senior, con fuerte base matemática y estadística, para unirse al equipo de Data Science & Machine Learning de Cashea , la fintech BNPL líder en Venezuela. No buscamos solo alguien que entrene modelos: buscamos alguien que sepa traducir problemas de negocio reales en formulaciones cuantitativas rigurosas y llevarlas hasta soluciones en producción. El equipo es responsable del modelado de riesgo crediticio, crecimiento, segmentación y fraude, trabajando de punta a punta: desde el descubrimiento del problema de negocio hasta la entrega de modelos listos para producción en colaboración con el equipo de ML Platform / MLOps. Reportarás al líder de Data Science y trabajarás de cerca con stakeholders de Risk, Growth, Collections y Analytics.

Responsabilidades

• Diseñar, entrenar y validar modelos de machine learning para casos de uso core del negocio: scoring de riesgo crediticio, predicción de NPL, forecast de crecimiento (MAPs, GMV), segmentación de clientes y detección de patrones de comportamiento.

• Trabajar con enfoques diversos según el problema: modelos bayesianos (ej. BG/BB para lifetime y supervivencia), gradient boosting (XGBoost), deep learning (pytorch), series temporales y modelos estadísticos clásicos.

• Gestionar tu trabajo como mini-proyectos con alcance definido dentro de un backlog priorizado: Discovery Brief, diseño técnico (TDD), experimentación, Model Card y handoff documentado a MLOps.

• Explorar y transformar datos en BigQuery (arquitectura de 3 capas), consumiendo datos certificados de la capa Gold.

• Registrar experimentos y versionar modelos en MLflow, siguiendo los estándares del equipo.

• Comunicar hallazgos y supuestos de modelado a stakeholders de negocio de forma clara, documentada y reproducible — nada de ajustes manuales sin documentar.

• Colaborar en code reviews dentro de los repositorios del equipo, manteniendo estándares de calidad y reutilizando componentes compartidos.

Qué NO harás

• Construir infraestructura de deployment ni mantener pipelines de producción (eso lo lidera ML Platform / MLOps; tú entregas modelos con handoff documentado).

• Definir métricas oficiales del negocio ni metas corporativas (responsabilidad del equipo de Analytics/BI).

Requisitos

• 7+ años de experiencia como Data Scientist con modelos que hayan llegado a producción y generado impacto medible en el negocio (no solo notebooks).

• Sólido background matemático, estadístico y actuarial (formación cuantitativa: matemáticas, estadística, física, ingeniería o afines): probabilidad, inferencia estadística, optimización y álgebra lineal aplicados con criterio, no solo como usuario de librerías.

• Trayectoria demostrable resolviendo problemas de negocio reales con modelos: capacidad de tomar un problema ambiguo (riesgo, crecimiento, comportamiento de clientes), formalizarlo matemáticamente, elegir el enfoque correcto y defender sus supuestos y limitaciones frente a stakeholders.

• Dominio de Python para ciencia de datos (pandas, scikit-learn) y SQL avanzado, idealmente en BigQuery u otro data warehouse columnar.

• Experiencia sólida en al menos dos familias de modelos: gradient boosting, modelos bayesianos/probabilísticos, series de tiempo o deep learning — entendiendo su fundamento matemático y cuándo aplicar cada una.

• Fundamentos rigurosos de estadística aplicada: validación, diseño de experimentos, calibración, análisis de supervivencia.

• Buenas prácticas de ingeniería: Git, ambientes reproducibles, código modular, documentación.

• Capacidad de traducir problemas ambiguos de negocio en problemas de modelado con alcance definido.

• Español fluido; inglés técnico de lectura.

Por qué te encantará trabajar en Cashea

En Cashea tenemos una cultura de trabajo basada en la confianza y el propósito. Si quieres saber por qué somos el lugar ideal para ti, estos son nuestros valores fundamentales:

• No trabajamos en piloto automático. Todo lo que hacemos y compartimos —dentro y fuera— es intencional. Nos apasiona crear ideas siendo plenamente conscientes del impacto que tienen en nuestros usuarios.

• Tu creatividad y curiosidad son tus activos más importantes.

• Tu voz importa. Escuchamos y abrimos espacio para las ideas y el feedback. Aquí todos pertenecen; lo que es importante para ti, lo es para nosotros.

• Valoramos la transparencia. La claridad nos mantiene conectados y con los pies en la tierra.

• Por último, pero no menos importante, nos enfocamos en el impacto real. Todo lo que hacemos está destinado a marcar la diferencia.

¿Te identificas? ¡Postúlate ahora, nos encantaría conocerte! Originally posted on Himalayas

Publicado en Himalayas. Los datos de requisitos los extrae Maru del aviso: ante cualquier duda, manda el aviso original.

Ver aviso original ↗

Ingresá a Maru

para

El ingreso no está disponible en este momento. Probá en un rato.

Sin contraseña: entrás con tu cuenta de Google. Lo que armaste queda guardado mientras tanto.