Fraud Data Scientist L2
En planillaJob Overview
Data Scientist enfocado en la prevención de fraude, desempeñarás un papel clave en el diseño y desarrollo de modelos que ayuden a identificar comportamientos anómalos, transacciones sospechosas y patrones relacionados con fraude. Trabajarás con grandes volúmenes de datos y aplicarás técnicas de machine learning supervisadas y no supervisadas para fortalecer nuestros sistemas de detección de fraude y automatizar la toma de decisiones.
Este rol requiere una sólida comprensión de los problemas de clasificación desbalanceada, fuertes habilidades en feature engineering, y la capacidad de adaptar los modelos a los cambios en el comportamiento de los usuarios y a nuevas estrategias de fraude. Se valora experiencia en fintech, banca, seguros u otras industrias con un fuerte enfoque en prevención de fraude y controles automatizados.
Responsabilidades
Análisis y modelado de datos:
Explorar grandes conjuntos de datos transaccionales y de comportamiento para identificar patrones asociados al fraude.
Desarrollo y validación de modelos:
Construir y validar modelos de clasificación utilizando técnicas de machine learning adaptadas a problemas de datos desbalanceados (fraude vs. no fraude).
Feature engineering:
Crear variables derivadas que mejoren el desempeño y la capacidad de generalización del modelo, evitando el sobreajuste (overfitting).
Colaboración interfuncional:
Trabajar con equipos de ingeniería, producto y operaciones para garantizar una integración fluida de los modelos dentro de los flujos de decisión.
Monitoreo e iteración:
Dar seguimiento al desempeño de los modelos en producción e iterar en función de cambios en el comportamiento de los usuarios, tendencias de fraude o ajustes en la estrategia.
Investigación e innovación:
Mantenerse actualizado sobre técnicas avanzadas de machine learning para la detección de fraude en entornos digitales transaccionales.
Requisitos
-
Licenciatura en Ciencia de Datos, Estadística, Matemática, Ciencias de la Computación o un campo relacionado, con sólidas habilidades de programación [OBLIGATORIO]
-
1–2 años de experiencia en Ciencia de Datos o Analítica de Datos/Negocio (con conocimientos de machine learning) [OBLIGATORIO]
-
Más de 2 años de experiencia utilizando Python y SQL [OBLIGATORIO]
-
Conocimiento en detección de fraude, detección de anomalías o modelado con datasets desbalanceados [OBLIGATORIO]
-
Experiencia en la industria fintech, seguros o banca es valorada pero no requerida [DESEABLE]
-
Conocimiento en servicios de AWS es un plus [DESEABLE]
-
Fuertes habilidades analíticas y mentalidad orientada a la resolución de problemas, con capacidad para extraer insights accionables a partir de los datos [OBLIGATORIO]
-
Comprensión del comportamiento del consumidor, fuentes de datos alternativas y plataformas de préstamos digitales [DESEABLE]
Data Scientist enfocado en la prevención de fraude, desempeñarás un papel clave en el diseño y desarrollo de modelos que ayuden a identificar comportamientos anómalos, transacciones sospechosas y patrones relacionados con fraude. Trabajarás con grandes volúmenes de datos y aplicarás técnicas de machine learning supervisadas y no supervisadas para fortalecer nuestros sistemas de detección de fraude y automatizar la toma de decisiones.
Este rol requiere una sólida comprensión de los problemas de clasificación desbalanceada, fuertes habilidades en feature engineering, y la capacidad de adaptar los modelos a los cambios en el comportamiento de los usuarios y a nuevas estrategias de fraude. Se valora experiencia en fintech, banca, seguros u otras industrias con un fuerte enfoque en prevención de fraude y controles automatizados.
Responsabilidades
Análisis y modelado de datos:
Explorar grandes conjuntos de datos transaccionales y de comportamiento para identificar patrones asociados al fraude.
Desarrollo y validación de modelos:
Construir y validar modelos de clasificación utilizando técnicas de machine learning adaptadas a problemas de datos desbalanceados (fraude vs. no fraude).
Feature engineering:
Crear variables derivadas que mejoren el desempeño y la capacidad de generalización del modelo, evitando el sobreajuste (overfitting).
Colaboración interfuncional:
Trabajar con equipos de ingeniería, producto y operaciones para garantizar una integración fluida de los modelos dentro de los flujos de decisión.
Monitoreo e iteración:
Dar seguimiento al desempeño de los modelos en producción e iterar en función de cambios en el comportamiento de los usuarios, tendencias de fraude o ajustes en la estrategia.
Investigación e innovación:
Mantenerse actualizado sobre técnicas avanzadas de machine learning para la detección de fraude en entornos digitales transaccionales.
Requisitos
-
Licenciatura en Ciencia de Datos, Estadística, Matemática, Ciencias de la Computación o un campo relacionado, con sólidas habilidades de programación [OBLIGATORIO]
-
1–2 años de experiencia en Ciencia de Datos o Analítica de Datos/Negocio (con conocimientos de machine learning) [OBLIGATORIO]
-
Más de 2 años de experiencia utilizando Python y SQL [OBLIGATORIO]
-
Conocimiento en detección de fraude, detección de anomalías o modelado con datasets desbalanceados [OBLIGATORIO]
-
Experiencia en la industria fintech, seguros o banca es valorada pero no requerida [DESEABLE]
-
Conocimiento en servicios de AWS es un plus [DESEABLE]
-
Fuertes habilidades analíticas y mentalidad orientada a la resolución de problemas, con capacidad para extraer insights accionables a partir de los datos [OBLIGATORIO]
-
Comprensión del comportamiento del consumidor, fuentes de datos alternativas y plataformas de préstamos digitales [DESEABLE]