Científico de Datos / Bioestadístico (ML / Metodos Clásicos / Procesamiento de Señales)

Vacantes: 2 posiciones

Ciudad: Bogotá, Colombia

Modalidad: Híbrido (3 días oficina, 2 remotos) + Visitas clínicas ocasionales

Contrato: Prestación de servicios

Compensación: $11M - $14M COP mensuales - Atado a experiencia

Equity: 0.05% Common Stock, vesting 4 años (cliff 50% año 2) Vacaciones: 15 días anuales + 5 por enfermedad + 12 festivos

Quiénes Somos

Samay es una empresa colombo-estadounidense de tecnología médica (Deep Tech) revolucionando el diagnóstico de EPOC mediante un ecosistema integrado: sensor propietario adherible al pecho, app móvil y plataforma en la nube potenciada por IA.

Reconocimientos recientes:

• Ganador Startco 2026

• MedTech Innovator 2024

• Mejor Startup de Colombia, GoFest 2025

• Cobertura en TechCrunch, Forbes y Bloomberg

La Oportunidad

Buscamos 2 Cientificos de Datos / Bioestadísticos en Bogotá para transformar datos complejos de bioseñales respiratorias en modelos estadísticos robustos que fundamenten la aprobación regulatoria y validación clínica de nuestro algoritmo de diagnóstico.

Trabajarás directamente con Ricardo (CTO) en:

• Desarrollo de modelos basados en handed-craft features con rigor e interpretabilidad estadística

• Procesamiento intensivo de bioseñales (acelerómetros, micrófonos, sensores), grandes cantidades de datos

• Extracción de características clínicamente significativas

• Validación regulatoria (estándares FDA, reproducibilidad, sensibilidad/especificidad,trazabilidad)

• Análisis lineales y no lineales con datos reales de pacientes

Tus modelos serán el fundamento para presentaciones ante FDA, inversores y socios clínicos internacionales.

Qué Harás

1. ML / Modelado Estadístico Robusto

Desarrollar, validar y refinar modelos estadísticos clásicos para capturar patrones en bioseñales respiratorias. Iterar constantemente sobre datos de pacientes reales mejorando precisión, reproducibilidad y confiabilidad. Procesamiento riguroso de datos para extraer insight clínico significativo. Diseñar e implementar flujos de entrenamiento e inferencia para modelos de clasificación, regresión y forecasting, aplicando conocimiento sólido en estas técnicas.

2. Análisis e Ingeniería de Bioseñales

Procesar datos complejos de múltiples sensores (acelerómetros, micrófonos, temperatura) para extraer características significativas. Colaborar con equipo clínico en validación de fenotipos de pacientes y derivación de medidas clínicas.

3. Validación Estadística para Regulatorio

Estructurar análisis que cumplan estándares FDA/ISO para reproducibilidad, sensibilidad y especificidad. Documentar metodología y hallazgos con rigor científico absoluto.

4. Integración de Modelos en Pipelines

Colaborar con equipo de ingeniería para integración de modelos en pipelines de procesamiento de datos. Asegurar trazabilidad, reproducibilidad y flujos end-to-end con capacidad de orquestación de información entre sistemas.

5. Gestión del Conocimiento

Organizar y documentar metodologías, procesos y lecciones aprendidas en base centralizada (Notion) para acelerar onboarding y exploración futura.

Qué Pedimos

Educación

• PhD en Bioestadística, Ingeniería Biomédica, Estadística aplicada a ciencias de la salud, o equivalente comprobable

• O bien: Maestría + 7+ años experiencia demostrativa en análisis estadístico

Experiencia

• 5+ años liderando análisis estadístico en dispositivos médicos, ensayos clínicos o investigación en salud

• Experiencia demostrable en bioseñales: ECG, EMG, acústica respiratoria, acelerómetros u otros sensores

• Familiaridad con entornos regulados (FDA, ISO 14155/14971, IEC 62304) o equivalentes

• Compresión de estándares de reproducibilidad y calidad en ciencias de la vida

Habilidades Técnicas (Requeridas)

• Python avanzado: NumPy, SciPy, Pandas, Scikit-learn

• Métodos estadísticos clásicos: pruebas de hipótesis rigurosas, intervalos de confianza, power analysis

• Series temporales: análisis temporal, autocorrelación, detección de eventos

• Procesamiento de señales: filtrado, transformadas, extracción de características

• Validación rigurosa: cross-validation, análisis de confiabilidad (ICC, Kappa), test-retest

• Visualización: Matplotlib, Plotly, ggplot2

Habilidades Técnicas (Big Plus)

• Procesamiento Digital de Señales (DSP): espectrograma, FFT, wavelets, análisis de frecuencia

• Conocimiento de redes neuronales (no obligatorio, pero valorado para future work)

• ML Flow, GitHub, herramientas de versionado para reproducibilidad

• Orquestación de pipelines de datos: experiencia con flujos end-to-end, movimiento de información entre sistemas (local o cloud)

Competencias Blandas

• Comunicación clara: explicar análisis complejos a equipo técnico, clínico e inversores

• Orientación a datos: toma de decisiones basada en evidencia

• Autonomía: capacidad para diseñar estudios, formular hipótesis y validarlas

• Curiosidad clínica: interés en entender patología respiratoria

Idioma

• Inglés avanzado (C1): presentaciones con socios internacionales, revisión de literatura especializada

Contexto Global

• Experiencia previa en corporaciones internacionales o exterior

• Comprensión de ecosistema de startups de alto ritmo

IA Generativa (Deseable)

• Nivel intermedio en herramientas de IA (Claude, Gemini, GPT) para síntesis de datos y automatización de reportes

Lo Que NO Buscamos (Ahora)

• Especialistas exclusivos en Deep Learning / Transformer models

• Ingenieros de datos puros (sin capacidad de modelaje)

• Perfiles que se abrumen con "tocar code" para integración en pipelines

• Candidatos sin experiencia en contextos clínicos o regulados

Deseable

• Publicaciones en journals científicos o experiencia con white papers

• Mentoría de junior data scientists o estudiantes

• Experiencia con análisis de datos clínicos longitudinales (GAMM, joint models)

• Conocimiento de estándares de calidad en diagnóstico médico

Por Qué Samay

• Tu rigor estadístico definirá la confiabilidad de diagnósticos que alcanzan millones de pacientes

• Autonomía real para diseñar estudios clínicos, validar hipótesis complejas y liderar decisiones basadas en datos

• Acceso directo al CTO y CEO para influir en dirección estratégica de producto

• Plan claro de carrera hacia Principal Data Scientist en 4 años

• Impacto directo en regulatorio y validación clínica (no solo "features")

• Integración con equipo clínico (Dr. Liliana Arias, Dr. Jaime Alvarado) y partners internacionales (ResMed, Chiesi)

Proceso de Selección

1. Revisión de Perfil: CV, publicaciones, referencias

2. Videollamada (30 min): Alineación de expectativas, background en contextos regulados

3. Entrevista Técnica: Conversación con Ricardo (CTO) sobre metodología y enfoques estadísticos

4. Reto Técnico (3-5 días): Análisis de dataset real con biosignals; propuesta de modelo y hallazgos

5. Inmersión Técnica: Sesión profunda con Ricardo sobre problemas actuales de modelado y roadmap

6. Entrevista CEO: Visión de producto, plan de carrera, fit cultural

Preguntas Frecuentes

P: ¿Necesito tener experiencia en Deep Learning? R: No es requisito para esta etapa. Valoramos más solidez en estadística clásica, procesamiento robusto de datos y análisis riguroso de señales. Deep Learning es un plus, no un must-have.

P: ¿Necesito conocer sobre EPOC o patología respiratoria? R: No es obligatorio, pero tu capacidad para aprender contexto clínico rápidamente será evaluada. Buscamos alguien con curiosidad clínica.

P: ¿Qué rol juega el DSP? R: Es un big plus. Si sabes FFT, wavelets, espectrograma y análisis de frecuencia, tendrás ventaja competitiva. Pero no es must-have si tu base estadística es sólida.

P: ¿Debo trabajar en oficina todos los días? R: No. Modalidad es híbrida (3 días en Bogotá, 2 remotos). Habrá visitas clínicas ocasionales.