Data Scientist Jr

Experiencia:

Python con nivel de producción — manejo de pandas, numpy, scikit-learn, y buenas prácticas de código.

Databricks (plataforma) — experiencia con notebooks, clusters, jobs programados, y Delta Lake para versionado y calidad de datos; ideal si ya ha trabajado con Unity Catalog para gobernanza de datos.

Machine learning — comprensión de algoritmos clásicos (regresión, árboles, clustering) y cuándo aplicarlos, más que dominio de deep learning.

Estadística aplicada y diseño experimental — pruebas de hipótesis, distribuciones, correlación vs. causalidad, para interpretar resultados de forma rigurosa.

MLflow — tracking de experimentos, versionado de modelos y despliegue.

MLOps — conocimiento práctico de CI/CD para modelos, versionado de datos y modelos, monitoreo de drift, y automatización de pipelines de entrenamiento/reentrenamiento.

SQL avanzado — joins complejos, window functions, optimización de queries y capacidad de trabajar con modelos de datos grandes o poco documentados.

Arquitecturas cloud — nociones básicas, preferentemente Azure.

Comunicación de resultados a stakeholders — capacidad de presentación de hallazgos o resultados de modelos a audiencias no técnicas.