mapa web
Científico/a de Datos (Madrid) Ref. 19337

INECO Selecciona un/a Analista Científico/a de Datos

Estamos buscando una persona para incorporarse en un gran proyecto enfocada a la ciencia De Datos:
- Toma de requerimientos de usuarios de negocio, entendimiento del valor añadido e incorporación de ello en el diseño de los modelos analíticos.
- Análisis de fuentes de información desde el punto de vista funcional como técnico.
- Análisis teórico/práctico de técnicas de Machine Learning para la predicción, optimización y su posterior aplicación a la resolución de problemas reales, con especial conocimiento en series temporales.
- Desarrollo de código Python sobre Sistema de Analítica Avanzada existente y desarrollo de nuevos prototipos y pruebas de concepto.
- Coordinación con otros equipos implicados para la incorporación de los resultados de los modelos según corresponda.
- Toma de decisiones de modelos a implementar.
- Capacidad de gestión de su trabajo y coordinar los desarrollos con 1 o dos personas del equipo

Required experience:
2- 4 años

Professional requirements:

- Tensorflow
- Apache Spark
- Plataforma Cloud AWS
- Conocimiento sobre Sector Público


Knowledges and technical skills:

- Experiencia > 5 años
- Experiencia en grandes proyectos.
- Experiencia en la implementación de cuadros de mando para la explotación del dato.

IMPRESCINDIBLE:
- Análisis de soluciones que ayuden en la toma de decisiones basada en datos.
- Alto nivel de programación Python, SQL y uso de repositorios de datos.
- Experiencia con modelos y técnicas de estadística y Machine Learning: regresión, clasificación, clustering, NN, NLP, etc. Con especial interés en series temporales y random forest (mediante Scikit-Learn o específicas como skforecast por ejemplo).
- Experiencia en creación de gráficos para la comprensión y visualización de los datos (Matplotlib, Seaborn, etc..).
- Experiencia en proyectos de datos reales (preferentemente del Sector Público) en todas sus fases: preprocesado y limpieza de datos; desarrollo y entrenamiento de modelos (reducción de la dimensionalidad, selección y parametrización de modelos de ML...) y puesta en producción