Descripción del puesto- Como Data & AI Scientist, participarás en la realización de análisis exploratorios y experimentación básica con modelos de machine learning, trabajando principalmente con notebooks y bajo supervisión frecuente.- Colaborarás con perfiles de Data Scientist más senior, Engineers y Analysts, contribuyendo al desarrollo de modelos concretos y al avance de estudios analíticos, aprendiendo a aplicar criterios de calidad del dato, rigor metodológico y buenas prácticas de ciencia de datos en un entorno real de negocio.- Realizar análisis exploratorios de datos (EDA) bajo supervisión, documentando resultados y primeros insights.- Entrenar y evaluar modelos base de machine learning, siguiendo guías metodológicas definidas.- Trabajar con notebooks para el análisis de datos y experimentación, asegurando orden y trazabilidad.- Preparar y limpiar datasets, identificando problemas de calidad con apoyo de perfiles senior.- Ejecutar experimentos analíticos supervisados y realizar el seguimiento de resultados obtenidos.- Colaborar con Data Scientists y Engineers en tareas de apoyo al desarrollo de modelos.- Documentar análisis, variables, hipótesis y resultados de forma clara y estructurada.- Aplicar buenas prácticas básicas de versionado, organización del código y reproducibilidad.- Aprender y aplicar el flujo de datos y uso de modelos dentro del contexto del negocio.FORMACIÓN Y CONOCIMIENTOS REQUERIDOS- Formación universitaria en Ingeniería, Matemáticas, Estadística, Física, Sistemas de Información, ADE + Data, Actuariales o similar.- Conocimientos básicos de estadística descriptiva y probabilidad.- Fundamentos de machine learning clásico.- Python para ciencia de datos: Pandas, NumPy y primeros usos de Scikit‑learn.- Uso habitual de notebooks para análisis y experimentación.- Conocimientos básicos de evaluación de modelos (accuracy, precision, recall, métricas simples).- Comprensión inicial del ciclo de vida del dato y del modelo.- Nociones de buenas prácticas de ciencia de datos: orden del código, documentación y reproducibilidad.- MLOPs, Amazon Web Services (AWS), SQL y herramientas de visualización como PowerBi.- Participación en análisis exploratorios de datos.- Entrenamiento y evaluación de modelos básicos de ML.- Uso de notebooks para experimentación analítica.- Colaboración en estudios o modelos concretos con apoyo senior.- Primeras experiencias en proyectos de analítica o ciencia de datos.Área de trabajo: Database, Scientific, SQL, Accounting, Actuarial, Technology, Engineering, Finance, Insurance#J-18808-Ljbffr