Ingeniero de Machine Learning Sénior

• Al menos 5 años como Machine Learning Engineer o Full-stack Data Scientist, con experiencia en despliegue en producción (incluyendo servicios API como FastAPI).
• Sólidos conocimientos de SQL y Python, y de plataformas de datos en la nube (por ejemplo, Databricks).
• Sólidas habilidades arquitectónicas: capacidad para diseñar y mejorar infraestructuras que den servicio a modelos de diversa complejidad.
• Experiencia con monitorización de modelos y evaluación champion-challenger / A-B en producción. Se valorará positivamente la experiencia en modelado de grafos o modelos fundacionales/embeddings.
• Pensador crítico y analítico: proactivo, orientado a resultados y cómodo trabajando con poca supervisión en un entorno de start-up.
• Formación cuantitativa (matemáticas, ingeniería, economía o informática) y un dominio profesional completo del inglés.

Finom es una startup tecnológica europea con sede en Ámsterdam, y estamos en un viaje hacia la revolución del panorama financiero para emprendedores de todo el mundo. Nuestra misión es desarrollar una solución financiera B2B "todo en uno" que integre funciones bancarias, contabilidad, gestión financiera y facturación en una plataforma fluida y orientada a dispositivos móviles.

Recientemente hemos cerrado una ronda de capital Serie C de 115 millones de euros (alrededor de 133 millones de dólares), lo que eleva nuestra financiación total a aproximadamente 346 millones de dólares. Esta importante inversión sigue a una ronda de financiación de crecimiento de 105 millones de dólares de General Catalyst, un respaldo a largo plazo desde 2021 conocido por apoyar a empresas como Airbnb, HubSpot, KAYAK y Stripe.

La plataforma de Finom va más allá de la banca tradicional, ofreciendo facturación y un conjunto de funciones en crecimiento, incluyendo contabilidad habilitada por IA, con el objetivo de simplificar la gestión financiera para los emprendedores. Estamos expandiendo activamente nuestro alcance en mercados clave de la UE como Alemania, Francia, Países Bajos, Italia y España.

En Finom, no solo estamos redefiniendo la experiencia emprendedora: estamos empoderando a nuestros empleados para que marquen una verdadera diferencia. Tu trabajo importa y tu impacto va mucho más allá de las métricas del producto. Fomentamos la innovación y un entorno de trabajo inspirador donde las ideas audaces prosperan, priorizando la investigación exhaustiva, la implementación rápida de soluciones y asegurando que cada esfuerzo que realizamos beneficie a nuestros usuarios, empleados, socios y a nuestro negocio en su conjunto.

Manteniendo nuestro espíritu de start-up, priorizamos la investigación exhaustiva, la implementación rápida de soluciones y aseguramos que cada esfuerzo que realizamos beneficie a nuestros usuarios, empleados, socios y, por supuesto, a nuestro negocio.

En Finom, estamos transformando la forma en que las pequeñas y medianas empresas de toda Europa gestionan su dinero, y la prevención de delitos financieros es el núcleo de esa promesa. Como Senior Machine Learning Engineer, te harás cargo de DRS: un producto de ML en producción que califica a toda nuestra base de clientes diariamente y que impulsa nuestra cuarentena, la supresión de alertas y, próximamente, nuestras decisiones de crédito. Se trata de una responsabilidad real de extremo a extremo en un equipo pequeño: desplegarás, servirás, monitorizarás y mejorarás el sistema en lugar de heredar uno ya terminado. Si eres el tipo de ingeniero que mantiene la integridad de los modelos en producción de forma silenciosa y quiere que sus decisiones lleguen realmente al tráfico en vivo, este es tu lugar.

• Desarrollo de modelos de ML full-stack (clasificación binaria y regresión) para la detección y prevención de delitos financieros durante el procesamiento de transacciones y el alta de clientes: recopilación de requisitos, prototipado y despliegue en un entorno de producción.
• Liderar y hacer evolucionar el Dynamic Risk Score (DRS) en todos los mercados: calificación diaria de toda la base de clientes que alimenta la toma de decisiones a lo largo del ciclo de vida del cliente.
• Gestionar una cartera de reglas de transacciones con detección basada en ML en su interior, optimizando su rendimiento y el número de alertas generadas.
• Configurar la monitorización continua del rendimiento de modelos y reglas en producción, y desarrollar el marco de trabajo champion-challenger para que el modelo con mejor rendimiento sea siempre el que esté activo en producción.
• Participar en el desarrollo de infraestructuras para la operacionalización de modelos de ML e interacciones entre servicios, de modo que se puedan servir y realizar inferencias de modelos de diversa complejidad.