Científico de Datos CENIC Sr

Acerca de:

Diseñar, desarrollar e implementar modelos de inteligencia artificial y machine learning aplicados a datos estructurados y no estructurados (texto, imágenes, audio, video y datos geoespaciales), con el objetivo de transformar información en soluciones predictivas que optimicen procesos, personalicen servicios y generen valor estratégico para la organización, alineados con los objetivos del negocio.

Responsabilidades:

• Desarrollar y entrenar modelos de ML supervisado y no supervisado, así como modelos de IA enfocados en NLP, visión computacional, análisis de series temporales y datos geoespaciales para resolver problemas de predicción, clasificación y segmentación.
• Preprocesar y transformar datos estructurados y no estructurados aplicando técnicas avanzadas de limpieza, imputación, normalización, selección de variables y extracción de características.
• Evaluar el desempeño, interpretabilidad y equidad de los modelos mediante métricas como precisión, AUC-ROC, RMSE y técnicas de explicabilidad como SHAP o LIME.
• Diseñar y construir pipelines de entrenamiento, validación y despliegue de modelos utilizando herramientas como Scikit-learn, TensorFlow, PyTorch y arquitecturas escalables en la nube (AWS, Azure, GCP).
• Desplegar y mantener modelos de IA en producción, asegurando su escalabilidad, estabilidad y monitoreo continuo para evitar la degradación del desempeño.
• Colaborar con equipos de negocio, ingeniería y MLOps para identificar casos de uso y traducirlos en soluciones basadas en datos de alto impacto alineadas con objetivos de negocio y contexto operacional.
• Investigar y aplicar técnicas de optimización de modelos como ajuste de hiper parámetros, técnicas bayesianas y regularización para mejorar la eficiencia y precisión de las soluciones implementadas

Requisitos:

• Experiencia de al menos 2 años en perfiles de científicos de datos.
• Al menos 2 años de experiencia en diseño, entrenamiento y evaluación de modelos IA y ML.
• Dominio de metodologías de evaluación y validación de modelos (AUC, RMSE, F1-score, técnicas de fairness, explainability con SHAP o LIME).
• Conocimiento práctico en diseño de experimentos y validación cruzada avanzada.
• Uso de herramientas de versionado de datos y modelos (DVC, MLflow) y flujos CI/CD para entornos de ML.

Educación:

• Licenciatura o Ingeniería en Ciencias de la Computación, Matemáticas, Estadística, Tecnologías de la Información o carrera afín.
• Deseable:Maestría en Ciencia de Datos, Estadística, Matemáticas Aplicadas, Inteligencia Artificial, Ingeniería en Datos o afines.

Beneficios:

• Sueldo base
• Fondo de ahorro
• Descuentos en compras de muebles y ropa
• Aguinaldo
• Vacaciones
• Prima vacacional
• Reparto de utilidades
• Día libre de cumpleaños
• Becas para estudio
• Útiles escolares
• Club de protección familiar
• Ambiente de trabajo agradable
• Entre otros beneficios y prestaciones