¿Qué proyectos desarrollamos?

En el equipo de Modelos de Gestión del Riesgo, formamos parte de la Service Line de Riesgos CPC, con una misión transversal: impulsar la transformación, innovación y excelencia técnica en la gestión del riesgo de crédito. Trabajamos con modelos tradicionales y de inteligencia artificial, promoviendo el uso de nuevas metodologías, herramientas y fuentes de datos para mejorar la toma de decisiones.

Las responsabilidades que asumirás en la posición son:

Como Machine Learning Engineer, serás una pieza clave en el diseño, desarrollo y mantenimiento de modelos de riesgo de crédito, así como en la implementación de soluciones MLOps que garanticen su robustez, escalabilidad y trazabilidad.

Tus principales responsabilidades incluirán:

• Desarrollar y mantener modelos de riesgo (basados en IA/ML).


• Implementar pipelines para automatizar el ciclo de vida de los modelos.


• Monitorizar el desempeño de los modelos y detectar desviaciones.


• Colaborar en el diseño de nuevos modelos adaptados a las necesidades del negocio.


• Investigar y proponer nuevas metodologías, incluyendo el uso de IA Generativa e ingeniería de prompts.


• Integrar modelos en el catálogo corporativo, asegurando su validación y documentación.


• Evaluar el riesgo de modelo y clasificarlo según su criticidad (Tier).


• Explorar nuevas herramientas, técnicas y fuentes de datos externas.


• Apoyar el análisis de datos para la toma de decisiones estratégicas en Riesgos y Negocio.

Requisitos y competencias clave:

Formación y experiencia:

• Titulación en Ingeniería, Ciencia de Datos, Estadística, Matemáticas, Economía o similar.


• Más de 5 años de experiencia como Data Scientist, preferiblemente en entornos financieros o de riesgo.


• Experiencia en entornos MLOps: automatización del ciclo de vida de modelos, versionado, monitorización y despliegue en producción.

Conocimientos técnicos:

• Dominio de Python, R y SQL.


• Conocimientos avanzados en técnicas de Machine Learning e Inteligencia Artificial.


• Familiaridad con herramientas como MLflow, Airflow, Docker, Kubernetes, Git y plataformas cloud (AWS, GCP, Azure).


• Conocimientos en IA Generativa e ingeniería de prompts.

Competencias personales:

• Visión global del negocio, integrando la perspectiva de riesgo y la estratégica.


• Iniciativa, proactividad y capacidad de trabajo en equipo.


• Habilidades de comunicación para interactuar con perfiles técnicos y de negocio.


• Dominio de herramientas ofimáticas (Excel, PowerPoint, Outlook, Word).

Se valorará positivamente:

• Conocimientos avanzados en técnicas de Deep Learning, como Transformers, GANs, VAEs, entre otros.


• Familiaridad con frameworks de IA como Keras, TensorFlow y PyTorch.


• Interés en mantenerse actualizado sobre el estado del arte en inteligencia artificial y metodologías emergentes.