Data Science (Machine Learning)

Buscamos un Machine Learning Engineer / Data Scientist con una sólida base analítica y fuerte orientación al negocio para incorporarse al equipo de desarrollo de productos analíticos a gran escala. El núcleo del desafío no radica únicamente en el stack tecnológico, sino en la capacidad de traducir problemáticas comerciales complejas en modelos de Machine Learning tradicionales, optimizaciones y sistemas de decisión implementados en producción real.

Nota de enfoque: Este rol está 100% centrado en Machine Learning clásico, modelado estadístico y analítica predictiva aplicada a negocio. No está orientado al desarrollo de Inteligencia Artificial Generativa, LLMs ni arquitecturas de Agentes.

Responsabilidades Clave (Tareas)

• Diseño e implementación en producción real de productos analíticos avanzados, motores de recomendación y modelos de optimización de producto.
• Desarrollo de modelos estadísticos complejos, incluyendo fundamentos de Marketing Mix Modeling (MMM), análisis de atribución, modelos de propensión, segmentación avanzada y predicción de comportamiento del usuario (Churn).
• Liderar el ejercicio de resolución de problemáticas analíticas, transformando los objetivos e incertidumbres comerciales en soluciones técnicas medibles y accionables.
• Diseño y ejecución de frameworks de experimentación (A/B Testing) y validación de modelos para medir el impacto real en el negocio frente a baselines estadísticos.
• Construcción y optimización de pipelines de datos de extremo a extremo (ETL/ELT) y feature engineering para garantizar la calidad y escalabilidad del entrenamiento de modelos.

Formación académica avanzada en Estadística, Matemáticas, Ciencias de la Computación o carreras afines con un fuerte componente cuantitativo.

Experiencia productiva real llevando modelos de Machine Learning clásicos a producción (no solo entornos de desarrollo o pruebas de concepto locales).

Dominio avanzado de Python y SQL para la manipulación, modelado y optimización de grandes volúmenes de datos tabulares.

Experiencia sólida con frameworks tradicionales de ML/DL: Scikit-Learn, XGBoost, TensorFlow y/o PyTorch.

Experiencia en contenerización utilizando Docker y despliegues en microservicios (uso de APIs).

Mentalidad orientada a negocio: Capacidad demostrada para explicar el ROI de un modelo matemático y cómo impacta en las métricas comerciales de la compañía.

Modalidad de contratación: Por proyecto