JOB DESCRIPTION – Senior / Semi Senior Data Scientist (MetLife – LATAM COE)

Ubicación: Buenos Aires (modalidad flexible)

Reporte: Data Science LATAM

Descripción del Rol

Buscamos un Data Scientist Semi Senior / Senior para sumarse al equipo de Data Science LATAM de MetLife. La persona trabajará dentro de un squad multidisciplinario, acompañada por los Data Science Leads, enfocándose principalmente en el desarrollo técnico de modelos de Machine Learning orientados a problemáticas del negocio de seguros.

El rol requiere autonomía técnica, capacidad analítica y habilidad para interactuar con áreas de negocio no técnicas.

Responsabilidades Principales

Desarrollar modelos de Machine Learning tradicional (descriptivos, predictivos, de forecasting e inferencia).

Ejecutar el ciclo completo de ML: exploración, diseño, prototipado, validación y puesta en marcha (PoC MVP Pilot Producción).

Implementar código en Python siguiendo buenas prácticas (versionado, testing, documentación).

Utilizar Azure, especialmente Azure Machine Learning y Synapse, para la ejecución y despliegue de modelos.

Trabajar con áreas de negocio para entender requerimientos y traducirlos en soluciones técnicas.

Participar en reuniones con stakeholders no técnicos, explicando modelos, lógica y resultados.

Crear documentación técnica clara y mantenible.

Colaborar dentro del squad para entregar soluciones de forma coordinada y siguiendo metodologías Agile.

Mantenerse actualizado en prácticas de analítica avanzada y herramientas de la nube Azure.

Seniority y Experiencia

Experiencia requerida: 3 a 5 años en Data Science (puede variar según la calidad y tipo de proyectos previos).

No liderará proyectos, pero sí se espera autonomía técnica para trabajar de forma independiente.

El foco del rol es hands‑on, prioritariamente técnico.

Tecnologías Mandatorias

Lenguajes y Herramientas Core

Python

SQL

Git

Cloud (obligatorio)

Azure, especialmente:

Azure Machine Learning

Azure Synapse

Librerías y frameworks

Scikit-learn

PyTorch

Matplotlib / Seaborn

Jupyter Notebook

DevOps

Versionado en Git (mandatorio)

Deseable: GitHub, GitLab, Azure DevOps

MLOps

Deseable experiencia con herramientas de monitoreo en Azure ML.

Conocimientos Deseables

Experiencia o formación en metodologías ágiles.

Conocimientos de Power BI, Tableau o Grafana (no excluyente).

Familiaridad con plataformas como Databricks o Domino.

Interés o conocimientos básicos en GenAI (no es un requerimiento actual).

Modelado estadístico avanzado o experiencia en industria de seguros (plus).

Formación Académica

Preferentemente carreras STEM: Ingeniería, Sistemas, Matemática, Estadística, Actuarial, Economía, o afines.

Es mandatorio contar con formación formal en Data Science (universitaria o posgrado).

No alcanza solo con cursos online o bootcamps.

Se evaluarán conocimientos técnicos durante la entrevista.

Idioma

Inglés intermedio/avanzado (lectura, escritura y conversación).

No se requiere inglés nativo ni fluido.

Interacción y Comunicación

Interacción directa con áreas de negocio de seguros (no técnicas).

Alta autonomía para explicar resultados y decisiones técnicas.

Exposición parcial a liderazgo regional, acompañado por los Data Science Leads.

Participación activa en reuniones, aunque no necesariamente como presentador principal.

Equipo y Estructura

Integración al squad de Data Science LATAM, liderado por vos.

Sin personas a cargo.

Acompañamiento y mentoring por parte de Data Science Leads para acelerar el onboarding.

Modalidad y Condiciones de Trabajo

Modalidad full remote, con preferencia por asistir 1 vez por semana a oficina (Microcentro) para reunión de equipo.

Candidatos del interior también son considerados.

Horario laboral: lunes a viernes, 9 a 18 hs.

No se requieren horas extra ni soporte de fin de semana.

Requisitos que NO se necesitan o se descartan para este rol

1. Experiencia en otras nubes (AWS / GCP) – NO es suficiente por sí sola

Se pueden considerar como complemento, pero NO reemplazan la necesidad de conocimientos en Azure, especialmente en Azure Machine Learning y Azure Synapse.

No calificarán perfiles que tengan solo AWS/GCP sin experiencia real en Azure.

2. Roles de liderazgo o perfiles demasiado senior orientados a gestión

No buscamos Project Leaders, Tech Leads ni perfiles enfocados en coordinación con cliente.

Este rol es hands‑on, técnico, manos a la obra.

No liderará proyectos ni equipos, aunque debe ser autónomo.

3. GenAI como foco principal del perfil

La posición está orientada a Machine Learning tradicional, por lo que no se requiere experiencia fuerte ni especializada en GenAI.

Cualquier experiencia en LLMs es un plus, pero no es necesaria.

4. Perfiles sin formación formal en Data Science

No es suficiente haber hecho solo cursos online, bootcamps o programas cortos.

Es excluyente contar con formación universitaria formal en Data Science o disciplinas STEM relacionadas.

5. Experiencia muy orientada exclusivamente a IT / Infra / Data Engineering

No se buscan perfiles centrados en:

ETL puro

Data pipelines

Orquestación general (Airflow, ADF, etc., salvo uso puntual dentro de Azure)

Infraestructura cloud

Administración de plataformas

El foco es modelado ML y analítica, no ingeniería.

6. Modelos exclusivamente académicos sin experiencia aplicada al negocio

No buscamos perfiles que solo hayan trabajado en:

Proyectos académicos

Competencias tipo Kaggle

Tesis universitarias como única experiencia

Deben tener experiencia real aplicada en entornos productivos o semi‑productivos, aunque no sea en seguros.

7. Especialistas en visualización / BI sin background sólido en ML

No se requieren perfiles centrados exclusivamente en dashboards, Power BI, Tableau.

Estos conocimientos son plus, pero el rol no es de BI.

8. Horarios rotativos, guardias o soporte de fin de semana

No se requiere disponibilidad fuera del horario laboral.

Descartamos perfiles que pidan flexibilidad extrema o que no puedan cumplir 9 a 18 h.

9. Exposición total al cliente sin apoyo

No se espera que el perfil lleve reuniones solo o gestione stakeholders por su cuenta.

Debe poder comunicarse, pero no se busca un consultant full‑time.