Ang BBVA ay isang pandaigdigang grupo ng pagbabangko at serbisyong pinansyal na nagsisikap gawing mas makabago ang paraan ng pamamahala ng pera ng mga tao at negosyo. Saklaw ng mga aktibidad nito ang corporate at investment banking, fintech, at digital banking, at nagbibigay ito ng mga solusyong pinansyal na pinapagana ng teknolohiya sa 71.5 milyong customer. Sa mahigit 121,000 empleyado, pinagsasama ng BBVA ang kadalubhasaan sa pagbabangko, pagkonsulta, at marketing sa isang kolaboratibong kapaligirang nakatuon sa inobasyon, digital transformation, at kahusayan sa propesyon.
Senior na Siyentipiko ng Datos, Mexico City (Hybrid)
Sa BBVA, bumuo ng mga machine-learning solution na may wastong pamamahala para sa pandaigdigang kapaligiran ng pagbabangko. Magtakda ng mga teknikal na arkitektura, pamantayan sa pagsusuri, reusable na kasanayan, at ekspertong gabay para sa mga data-science team.
Paglalarawan
- Tukuyin ang mga teknikal na pattern, pamantayan, arkitektura, at framework ng pagsusuri para sa mga solusyon sa Data Science
- Pangunahan o suriin ang mahahalagang teknikal na desisyon sa Machine Learning, graph technology, Deep Learning, NLP, GenAI, at mga kaugnay na espesyalisasyon
- Magdisenyo ng mga pagsusuring sumasaklaw sa performance ng modelo, kalidad, explainability, bias, seguridad, mga limitasyon, at monitoring
- Suriin ang mga teknikal na kumplikado o makabuluhang mapanganib na kaso, at idokumento ang mga natuklasan, alternatibo, desisyon, at hakbang sa pagwawasto
- Bumuo ng mga reusable na component, library, gabay, pagsusuri, at pattern, at suportahan ang paggamit ng mga ito
- Mag-mentor ng mga Associate at Expert habang nangunguna sa mga advanced na teknikal na sesyon
- Makipagtulungan sa mga Manager, lider sa governance, product team, at business stakeholder upang pagtugmain ang halaga, kalidad, panganib, at pagsunod sa regulasyon
- Magbigay ng ekspertong direksyon sa mga teknikal na desisyon kapag walang umiiral na pamantayang pattern
- Gawing mga pamantayang maaaring gamitin ang espesyalisadong kaalaman habang pinananatili ang higpit ng eksperimento, traceability, governance, at pagkakahanay sa negosyo
Mga Kinakailangan
- Advanced na kasanayan sa Python
- Malalim na karanasan sa Machine Learning at pagsusuri ng modelo
- Mapatutunayang kadalubhasaan sa kahit isang larangan tulad ng graph technology, Deep Learning, NLP, GenAI, o recommendation system
- Karanasan sa pagproseso at pagsusuri ng datos gamit ang Spark, PySpark, SQL, at mga tool ng malakihang data ecosystem
- Kaalaman sa experimental design, baseline comparison, model validation, at pagdodokumento ng mga limitasyon
- Kaalaman sa mga gawi sa model governance kabilang ang versioning, traceability, dokumentasyon, risk control, at monitoring
- Kakayahang magdisenyo ng arkitektura, teknikal na pattern, o reusable asset at suportahan ang paggamit ng mga ito
- Karanasan sa pagtatrabaho sa cloud environment, mas mainam kung AWS
- Karanasan sa MLOps, CI/CD, model deployment, at model monitoring
- Kaalaman sa LLM, RAG, pagsusuri ng generative system, guardrail, at responsableng AI technique
- Pakikilahok sa mga teknikal na komunidad, publikasyon, kontribusyon sa library, o espesyal na pagsasanay
- Bachelor’s degree sa Matematika, Engineering, Actuarial Science, Computer Science, Data Science, o kaugnay na larangan
- 8 hanggang 12 taong karanasan sa Data Science
- Katibayan ng paggamit o pagsubok ng mga pamantayan, pagsusuri, pattern, o teknikal na asset sa hindi bababa sa dalawang konteksto
- Patuloy na karanasan sa pagbibigay ng teknikal na mentoring
Mga Benepisyo
- Makatuwirang accommodation sa buong proseso ng pagpili
- Isang kolaboratibo at inklusibong kapaligiran sa trabaho
- Pangako sa diversity, inclusion, at pantay na oportunidad