Científico de Datos II (Machine Learning) [Híbrido]

Misión: Diseñar, desarrollar, desplegar y optimizar modelos analíticos avanzados de Machine Learning e Inteligencia Artificial. Extraer valor estratégico a partir de grandes volúmenes de datos para resolver problemas complejos de negocio, impulsar la innovación y optimizar procesos.

Formación académica: Profesional en Ingeniería de Sistemas, Ingeniería Industrial, Estadística, Matemáticas, Ciencia de Datos o carreras afines. Deseable posgrado (Especialización o Maestría) en Ciencia de Datos, Inteligencia Artificial, Analytics o áreas relacionadas.

Experiencia: De 3 a 5 años de experiencia desempeñándose en roles de Ciencia de Datos o Analítica Avanzada, participando en el ciclo de vida completo de modelos analíticos (diseño, entrenamiento, validación, despliegue y monitoreo). Programación avanzada en Python o R. Manejo avanzado de SQL y bases de datos relacionales/no relacionales. Estadística avanzada, probabilística y diseño de experimentos (A/B testing).

Conocimientos clave: Algoritmos de Machine Learning (supervisados y no supervisados) y Deep Learning. Librerías y frameworks clave: Scikit-learn, TensorFlow, PyTorch, XGBoost, Pandas, NumPy. MLOps básico/intermedio (MLflow, Docker, CI/CD para modelos). Plataformas Cloud (AWS, Azure o GCP) y herramientas de Big Spark/PySpark.

Funciones principales: Exploración, limpieza, enriquecimiento y feature engineering sobre conjuntos de datos masivos. Diseñar, entrenar, evaluar y seleccionar modelos de Machine Learning y Deep Learning. Implementar y desplegar modelos en entornos de producción mediante arquitecturas robustas y mejores prácticas de MLOps. Monitorear la deriva de datos (data drift) y el rendimiento continuo de los modelos desplegados. 

Contrato: Indefinido

Horario y Modalidad: Lunes a Viernes Teletrabajo con disponibilidad de asistir presencial