Data Scientist / Científico de Datos

¡Súmate a ProntoPaga!

Somos una Fintech en expansión que transforma la manera en que se gestionan los pagos en Latinoamérica. Creemos en la innovación, la colaboración y el talento sin fronteras.

Nuestra misión es simplificar lo complejo y construir un ecosistema financiero más accesible y seguro.
Buscamos personas apasionadas, creativas y con ganas de crecer junto a un equipo multidisciplinario y comprometido.

Aquí valoramos la diversidad, la colaboración y el deseo constante de superarse.

Si te motiva trabajar en un entorno dinámico, inclusivo y con impacto real… ¡Este es tu lugar!

Buscamos un profesional responsable de desarrollar, validar y mejorar modelos de Machine Learning que impulsen decisiones basadas en datos en un ecosistema fintech en crecimiento. Este rol es clave para construir capacidades predictivas desde cero, con foco inicial en detección de fraude y scoring de riesgo, expandiéndose gradualmente hacia predicción de churn, segmentación avanzada y personalización.
Trabajarás en colaboración directa con el equipo de Data Engineering, áreas de Compliance, Riesgo y Producto, asegurando que los modelos no solo sean técnicamente robustos, sino que generen impacto real en el negocio y cumplan con estándares regulatorios.

¿Qué funciones realizarás?
1. Desarrollar y mejorar modelos de Machine Learning para detección de fraude
• Trabajar sobre modelos existentes (desarrollados por consultora externa) para internalizarlos, validarlos y optimizarlos.
• Analizar datos transaccionales (transferencias, pagos, tarjetas, remesas) para identificar patrones de comportamiento sospechoso.
• Generar scores de riesgo y probabilidades de fraude que alimenten sistemas de alertas en tiempo real.
• Implementar técnicas de detección de anomalías y modelos supervisados/no supervisados.

2. Construir modelos predictivos para el negocio
• Diseñar e implementar modelos de machine learning para casos de uso críticos: evaluación de riesgo crediticio, predicción de churn, recomendación personalizada de productos financieros, forecasting, etc.
• Crear sistemas de scoring de riesgo crediticio y transaccional.
• Diseñar modelos de segmentación avanzada de usuarios para personalización.
• Documentar métricas de performance (precision, recall, F1, AUC-ROC, etc).

3. Preparar y validar datasets para modelamiento
• Realizar análisis exploratorio de datos (EDA) para entender características, distribuciones y correlaciones.
• Limpiar, transformar y validar la calidad de datos provenientes del Data Lake.
• Aplicar técnicas de feature engineering para mejorar performance de modelos.
• Trabajar con datos sensibles (financieros, personales) asegurando privacidad y compliance.

4. Operacionalizar modelos de Machine Learning en producción
• Transformar notebooks de experimentación (Jupyter, Python) en código productivo, modular y testeado.
• Diseñar e implementar pipelines de ML para entrenamiento, validación y despliegue automatizado.
• Servir modelos como APIs REST (FastAPI, Flask) o mediante batch processing según requerimientos.
• Integrar modelos con sistemas operacionales (detección de fraude en tiempo real, scoring en onboarding, alertas a Compliance).

5. Comunicar resultados y hallazgos a stakeholders
• Presentar insights y resultados de modelos a audiencias técnicas y no técnicas.
• Sociabilizar modelos internamente, explicando su valor de negocio y limitaciones.
• Crear dashboards y reportes que faciliten la interpretación de scores y alertas.
• Proporcionar recomendaciones accionables basadas en análisis de datos.

6. Investigar e implementar mejores prácticas de la industria
• Mantenerse actualizado en técnicas de ML/AI (deep learning, NLP, según sea relevante).
• Investigar soluciones de la industria fintech para problemas similares.
• Proponer mejoras innovadoras en metodologías y tecnologías.

7. Documentar modelos, procesos y experimentos
• Mantener registro de experimentos, hiperparámetros y resultados (MLflow, Weights & Biases, o similar).
• Crear documentación técnica que permita reproducibilidad y mantenimiento.


¿Cuáles son los requisitos?

Formación Académica:
• Ingeniería Civil en Computación, Ingeniería Civil Industrial, Ingeniería en Informática, o carreras afines.
• Postgrado en Machine Learning, Data Science, Inteligencia Artificial. (Deseable)

Experiencia:
• 1 a 2 años trabajando como Data Scientist o en roles similares (Data Engineer, ML Engineer).
• Experiencia en proyectos de Machine Learning aplicado a problemas reales de negocio.

Conocimientos técnicos:

Obligatorios:
• Dominio sólido de Python para Data Science (pandas, numpy, scikit-learn, plotly).
• Dominio de SQL para extracción y manipulación de datos.
• Experiencia en modelamiento de Machine Learning (clasificación, regresión, clustering, detección de anomalías).
• Experiencia trabajando con datasets a gran escala (millones de registros).
• Manejo de Jupyter Notebooks o entornos similares para experimentación.

Deseables:
• Experiencia con infraestructura cloud (AWS preferentemente: S3, Athena, SageMaker, Lambda).
• Conocimiento de frameworks de deep learning (TensorFlow, PyTorch, Keras).
• Experiencia con herramientas de versionado de modelos (MLflow, DVC).
• Conocimiento de técnicas de explicabilidad de modelos (SHAP, LIME).

¿Qué Ofrecemos?
• Bono de cumpleaños, fiestas patrias y navidad.
• Acceso a nuestro palco VIP en Movistar Arena como beneficio adicional de cumpleaños.
• Seguro Complementario de Salud.
• Convenio Colectivo FALP.
• Ambiente de apoyo y crecimiento.

Compromiso con la Diversidad e Inclusión
En ProntoPaga promovemos un ambiente laboral diverso, equitativo e inclusivo. Valoramos las distintas perspectivas y experiencias, y creemos que estas enriquecen nuestro equipo. Todas las personas son bienvenidas a postular, sin distinción de género, orientación sexual, edad, nacionalidad, origen étnico, religión o discapacidad.