Sobre el puestoBBVA AI Factory está buscando un Data Scientist para unirse a nuestro equipo dinámico en Madrid especializado en Machine Learning y Generative AI. Como parte del equipo AIF colaborarás con un grupo diverso de expertos para entregar soluciones de primera línea para el ecosistema agenteico con enfoque en evaluación, reutilización e impacto comercial. Propondrás, idearás y desarrollarás componentes listas para producción que traigan el estado del arte en IA a BBVA.
Responsabilidades clave
Liderazgo técnico: diseñar y entregar componentes reutilizables en los espacios agenteico y de evaluaciones, como líder de un pequeño equipo multidisciplinario (científicos de datos e ingenieros).
Comunicación de insights: presentar hallazgos y recomendaciones a stakeholders en toda la organización.
Colaboración transversal: trabajar estrechamente con product managers, ingenieros y diseñadores para implementar soluciones basadas en datos e integrar eficazmente la capacidad de LLM.
Mentoría: guiar y acompañar a miembros del equipo menos experimentados para fomentar su crecimiento y éxito.
Compliance de mejores prácticas: asegurar que todos los entregables cumplan las normas y mejores prácticas de gobernanza de Advanced Analytics.
Cualificaciones
Educación: título universitario (licenciatura o maestría) en Ciencias de la Computación, Estadística, Matemáticas o un área técnica relacionada.
Experiencia: 2+ años trabajando como científico de datos en los espacios LLM y agenteico, incluyendo trabajo en equipos multidisciplinarios.
Experticia en LLM: conocimiento avanzado de LLM, incluyendo optimización de modelos, diseño de agentes, evaluación y extracción de embeddings.
Evaluación de IA: enfoque metodológico para la evaluación de desempeño, métricas de comportamiento, sesgos y riesgos de soluciones de IA, con experiencia práctica en frameworks de evaluación (p. ej. promptfoo, OpenAI Evals).
Habilidades de comunicación: excelente capacidad para traducir conceptos técnicos complejos en insights de negocio accionables.
Programación y frameworks de ML: dominio de Python, modelado estadístico y aprendizaje automático, con dominio del stack tradicional (Spark, scikit‐learn, etc.) y del stack agenteico (langgraph, agents SDK, etc.).
Machine Learning aplicado: profundo conocimiento de un amplio conjunto de técnicas de aprendizaje automático aplicadas a la resolución de problemas complejos de negocio, incluyendo pruebas A/B para rendimiento de modelos.
IA ética y ciencia de datos responsable: conocimiento de principios de IA ética, legislación de privacidad de datos (GDPR, CCPA) y compromiso con prácticas responsables.
Preferencias
Experiencia previa en la industria financiera.
Doctorado en Ciencias de la Computación, Estadística, Matemáticas o campo relacionado.
Liderazgo de equipo técnico con foco en la entrega y el impacto comercial.
Computación en la nube: experiencia en AWS, Google Cloud o Azure para soluciones escalables en ciencia de datos, con experiencia en Docker y Kubernetes.
Modelos de código abierto: experiencia desarrollando soluciones que aprovechan modelos de código abierto (huggingface, etc.).
Experiencia en causalidad: conocimiento y aplicación de métodos de inferencia causal para identificar y modelar relaciones causa‐efecto.
Habilidades
Empatía
Ética
Innovación
Orientación al cliente
Pensamiento productivo
#J-18808-Ljbffr