Η BBVA είναι ένας παγκόσμιος όμιλος τραπεζικών και χρηματοοικονομικών υπηρεσιών που εκσυγχρονίζει τον τρόπο με τον οποίο οι άνθρωποι και οι επιχειρήσεις διαχειρίζονται τα χρήματά τους. Οι δραστηριότητές της περιλαμβάνουν εταιρική και επενδυτική τραπεζική, χρηματοοικονομική τεχνολογία και ψηφιακή τραπεζική, εξυπηρετώντας 71,5 εκατομμύρια πελάτες μέσω τεχνολογικά υποστηριζόμενων χρηματοοικονομικών λύσεων. Με περισσότερους από 121.000 εργαζομένους, η BBVA συνδυάζει τεχνογνωσία στους τομείς της τραπεζικής, της συμβουλευτικής και του μάρκετινγκ, σε ένα συνεργατικό περιβάλλον με επίκεντρο την καινοτομία, τον ψηφιακό μετασχηματισμό και την επαγγελματική αριστεία.
Ανώτερος Επιστήμονας Δεδομένων, Πόλη του Μεξικού (Υβριδικά)
Στην BBVA, διαμορφώστε λύσεις μηχανικής μάθησης με ισχυρή διακυβέρνηση σε ένα παγκόσμιο τραπεζικό περιβάλλον. Καθιερώστε τεχνικές αρχιτεκτονικές, πρότυπα αξιολόγησης, επαναχρησιμοποιήσιμες πρακτικές και εξειδικευμένη καθοδήγηση για ομάδες επιστήμης δεδομένων.
Περιγραφή
- Καθορισμός τεχνικών προτύπων, αρχιτεκτονικών και πλαισίων αξιολόγησης για λύσεις επιστήμης δεδομένων
- Ηγεσία ή αξιολόγηση τεχνικών αποφάσεων υψηλού αντίκτυπου στους τομείς της μηχανικής μάθησης, των τεχνολογιών γραφημάτων, της βαθιάς μάθησης, της επεξεργασίας φυσικής γλώσσας, της παραγωγικής τεχνητής νοημοσύνης και συναφών ειδικοτήτων
- Σχεδιασμός αξιολογήσεων που καλύπτουν την απόδοση, την ποιότητα, την επεξηγησιμότητα, την προκατάληψη, την ασφάλεια, τους περιορισμούς και την παρακολούθηση των μοντέλων
- Ανασκόπηση τεχνικά σύνθετων ή ουσιωδώς επικίνδυνων περιπτώσεων, με τεκμηρίωση ευρημάτων, εναλλακτικών, αποφάσεων και διορθωτικών ενεργειών
- Ανάπτυξη επαναχρησιμοποιήσιμων στοιχείων, βιβλιοθηκών, οδηγών, αξιολογήσεων και προτύπων, καθώς και υποστήριξη της υιοθέτησής τους
- Καθοδήγηση συνεργατών και ειδικών με παράλληλη ηγεσία προηγμένων τεχνικών συνεδριών
- Συνεργασία με διευθυντές, επικεφαλής διακυβέρνησης, ομάδες προϊόντων και επιχειρηματικούς ενδιαφερόμενους για την ευθυγράμμιση αξίας, ποιότητας, κινδύνου και κανονιστικής συμμόρφωσης
- Παροχή εξειδικευμένης κατεύθυνσης για τεχνικές αποφάσεις όταν δεν υπάρχουν καθιερωμένα πρότυπα
- Μετατροπή εξειδικευμένης γνώσης σε υιοθετήσιμα πρότυπα, διατηρώντας την πειραματική αυστηρότητα, την ιχνηλασιμότητα, τη διακυβέρνηση και την επιχειρηματική ευθυγράμμιση
Απαιτήσεις
- Προχωρημένη επάρκεια στην Python
- Βαθιά εμπειρία στη μηχανική μάθηση και στην αξιολόγηση μοντέλων
- Αποδεδειγμένη τεχνογνωσία σε τουλάχιστον έναν τομέα, όπως τεχνολογίες γραφημάτων, βαθιά μάθηση, επεξεργασία φυσικής γλώσσας, παραγωγική τεχνητή νοημοσύνη ή συστήματα συστάσεων
- Εμπειρία στην επεξεργασία και ανάλυση δεδομένων με Spark, PySpark, SQL και εργαλεία οικοσυστημάτων δεδομένων μεγάλης κλίμακας
- Υπόβαθρο στον πειραματικό σχεδιασμό, στη σύγκριση με γραμμές βάσης, στην επικύρωση μοντέλων και στην τεκμηρίωση περιορισμών
- Γνώση πρακτικών διακυβέρνησης μοντέλων, συμπεριλαμβανομένων της διαχείρισης εκδόσεων, της ιχνηλασιμότητας, της τεκμηρίωσης, των ελέγχων κινδύνου και της παρακολούθησης
- Ικανότητα σχεδιασμού αρχιτεκτονικών, τεχνικών προτύπων ή επαναχρησιμοποιήσιμων στοιχείων και υποστήριξης της υιοθέτησής τους
- Εμπειρία εργασίας σε περιβάλλοντα cloud, κατά προτίμηση AWS
- Εμπειρία σε MLOps, CI/CD, ανάπτυξη μοντέλων και παρακολούθηση μοντέλων
- Γνώση LLM, RAG, αξιολόγησης παραγωγικών συστημάτων, δικλίδων ασφαλείας και τεχνικών υπεύθυνης τεχνητής νοημοσύνης
- Συμμετοχή σε τεχνικές κοινότητες, δημοσιεύσεις, συνεισφορές σε βιβλιοθήκες ή εξειδικευμένη κατάρτιση
- Πτυχίο στη Μαθηματική, στη Μηχανική, στην Αναλογιστική Επιστήμη, στην Επιστήμη Υπολογιστών, στην Επιστήμη Δεδομένων ή σε συναφή κλάδο
- 8 έως 12 χρόνια εμπειρίας στην Επιστήμη Δεδομένων
- Τεκμηριωμένη εφαρμογή ή πιλοτική δοκιμή προτύπων, αξιολογήσεων, τεχνικών μοτίβων ή τεχνικών στοιχείων σε τουλάχιστον δύο πλαίσια
- Σταθερή εμπειρία στην παροχή τεχνικής καθοδήγησης
Παροχές
- Εύλογες προσαρμογές καθ’ όλη τη διαδικασία επιλογής
- Συνεργατικό και συμπεριληπτικό εργασιακό περιβάλλον
- Δέσμευση στη διαφορετικότητα, τη συμπερίληψη και τις ίσες ευκαιρίες