Personas que construyen lo que enseñamos
CarteraQuant es una plataforma educativa centrada en machine learning aplicado al análisis de carteras. Desde 2022, trabajamos con estudiantes de Málaga y su entorno para que puedan acceder a formación técnica sin depender de desplazamientos.
El equipo que hace posible esto es pequeño y deliberadamente multidisciplinar. Aquí conviven perfiles de ciencia de datos, diseño instruccional y desarrollo de software. No buscamos especialistas aislados, sino personas capaces de entender el trabajo de los demás.
Posiciones abiertas ahora
Enviá tu candidatura a [email protected] con el nombre del puesto en el asunto.
-
Especialista en Machine Learning para Análisis de Carteras
El trabajo consiste en diseñar e implementar modelos de clustering aplicados a carteras de activos financieros. Los modelos alimentan directamente el contenido interactivo de la plataforma, así que el resultado del trabajo es visible para los estudiantes desde el primer día.
- Python
- scikit-learn
- clustering jerárquico
- análisis de series temporales
Aplicar Málaga, España -
Diseñador/a de Experiencia de Aprendizaje
La plataforma usa quizzes, feedback inmediato y elementos de gamificación para mantener la atención del estudiante. Necesitamos a alguien que sepa estructurar recorridos de aprendizaje con lógica pedagógica clara, no solo diseño visual atractivo.
- diseño instruccional
- Articulate o similar
- UX educativo
- evaluación formativa
Aplicar Málaga, España -
Desarrollador/a Backend - Plataforma Educativa
La infraestructura de la plataforma gestiona usuarios, evaluaciones y módulos de análisis de datos en tiempo real. El equipo es pequeño, así que cada decisión técnica tiene peso real. Se espera criterio propio, no solo ejecución de tickets.
- Node.js o Django
- PostgreSQL
- REST APIs
- Docker
Aplicar Málaga, España
Cómo se trabaja en CarteraQuant
Iteración corta, decisiones claras
Los ciclos de trabajo duran una semana. Cada equipo define sus prioridades el lunes y revisa resultados el viernes. No hay reuniones diarias obligatorias.
Contexto compartido entre áreas
Los perfiles técnicos participan en revisiones pedagógicas. Los diseñadores asisten a demos de modelos. Nadie trabaja en un silo completo.
Feedback directo, sin jerarquías intermedias
Las ideas se discuten con quien toma la decisión final, no con un intermediario. Esto acelera los cambios pero también requiere argumentar bien las propias posiciones.
Formación como parte del trabajo
Cada persona del equipo dedica tiempo a actualizar sus conocimientos en machine learning educativo. No es un beneficio opcional, está integrado en la planificación semanal.
El equipo trabaja desde Av. de Andalucía, Málaga. La modalidad híbrida está disponible para la mayoría de los puestos, pero se espera presencia regular para los roles que implican coordinación directa entre áreas.