ARG SSR Data Scientist

Country: Argentina

ES EL MOMENTO

Santander (www.santander.com) está evolucionando de ser una marca global de alto impacto a una organización impulsada por la tecnología, y las personas están en el centro de este camino. Estamos liderando una transformación centrada en el cliente que valora el pensamiento disruptivo, la valentía de desafiar lo posible y la capacidad de innovar.

Esto es más que un cambio estratégico: es una oportunidad para que las personas estén motivadas, crezcan, aprendan y generen un impacto real.

Nuestra misión es contribuir a que más personas y empresas prosperen. Adoptamos una sólida cultura de riesgos y esperamos que todas las personas, en toda la organización, asuman un enfoque proactivo y responsable en la gestión del riesgo.

En Santander Argentina trabajamos para crear una plataforma líder de servicios financieros, integrando lo mejor del mundo físico y digital. Somos un banco global con raíces locales, que potencia la tecnología, la innovación y el talento para transformar la experiencia financiera.

EL IMPACTO QUE GENERARÁS

Santander Tecnología está buscando un/a SSR MLOps/AIOps Engineer con base en Buenos Aires.

El propósito del rol es diseñar, construir y operar la infraestructura y las herramientas que habilitan el ciclo de vida completo de soluciones de inteligencia artificial y machine learning —desde el entrenamiento hasta el monitoreo en producción— garantizando automatización, escalabilidad, calidad y observabilidad dentro del ecosistema de AWS; buscando ser el puente entre la ingeniería de software y la ciencia de datos, permitiendo que los equipos de analítica y data science desplieguen sus modelos de forma eficiente, segura y gobernada, mientras se asegura la operatividad continua de las soluciones de AI/ML

Estamos redefiniendo nuestra forma de trabajar a través de la innovación, la tecnología de última generación, la colaboración y la libertad de explorar nuevas ideas.

En este puesto, tus principales responsabilidades incluirán:

Diseñar y operar soluciones en AWS para automatizar el entrenamiento, inferencia y monitoreo de todos nuestros modelos.
Desarrollar y dar soporte a productos (en Argentina y a nivel global), con desafíos técnicos variados y exigentes.
Diseñar e implementar nuestra propia estrategia de gobierno, observabilidad y monitoreo de aplicativos.
Diseñar, desplegar y mantener una plataforma de analítica avanzada donde trabajan más de 100 analistas, data-scientists y machine learning engineers todos los días.

LO QUE APORTARÁS AL EQUIPO

Nuestra gente es nuestra mayor fortaleza. Cada persona contribuye con perspectivas únicas que nos hacen más fuertes como equipo y como organización. Valoramos quiénes son y potenciamos lo que aportan.

Los siguientes requisitos representan los conocimientos, habilidades y competencias esenciales para este puesto.

Experiencia profesional

Desarrollando soluciones potenciadas por modelos de ML o AI (Obligatorio)
Docker y microservicios (Obligatorio)
Amazon Web Services (Obligatorio)
Desarrollando software con Python (Obligatorio)
Utilizando SQL o creando aplicativos data-intensivos (Obligatorio)
Desarrollando data apps con Pyspark (Deseable)
Desarrollando pipelines de CI/CD (Deseable)

Educación

Carrera de grado en sistemas, ciencia de datos u otras afines

Idiomas

Español
Inglés (deseable)

Habilidades técnicas (Hard skills)

Dominio de AWS y su ecosistema de servicios para entrenamiento, inferencia y monitoreo de modelos (S3, Lambda, Step Functions, SageMaker, CloudWatch, etc.)
Experiencia en MLOps / AIOps: diseño de pipelines CI/CD, automatización del ciclo de vida de modelos, y despliegue continuo en entornos productivos.
Conocimiento de infraestructura como código (IaC), preferentemente con Terraform o AWS CDK.
Competencia en programación (Python, Bash, o similar) con buenas prácticas de ingeniería: testing, modularización, y control de versiones (GitLab / GitHub).
Experiencia en observabilidad y monitoreo de soluciones ML: logging, métricas y alertas.
Familiaridad con Machine Learning y GenAI: entrenamiento, inferencia y mantenimiento de modelos en producción.
Conocimientos en arquitecturas distribuidas y escalables en la nube.