Senior Data Scientist
Summary
Senior Data Scientist in Mexico City building and validating machine-learning models end to end: Python with scikit-learn/XGBoost (and PyTorch/TensorFlow when needed), advanced SQL and PySpark for data at scale, cloud storage, plus A/B testing, causal inference, and MLOps discipline (Git, MLflow, production-ready code).
No solo buscamos talento, buscamos mentes curiosas que disfruten aprender y transformar el futuro.
Somos tech, somos exigentes y sí, vamos rápido. Pero nadie compite solo. Trabajamos en equipo y si buscas retos que te saquen de la zona cómoda (porque ahí no crece nadie), estás en el lugar correcto. Aquí aprenderás con expertos, participarás en proyectos de alto impacto y estarás siempre un paso adelante en tecnología.
Technical Fundamentals
Python Mastery: Advanced, hands-on command of Python as the primary language for end-to-end development.
Data Science & Machine Learning: Core experience with $Scikit-Learn$, $XGBoost$, $LightGBM$, $Pandas$, $Polars$, $Statsmodels$, and $SciPy$. Experience with Deep Learning frameworks ($PyTorch$ or $TensorFlow$) when the problem complexity warrants it.
Data at Scale & Cloud: Strong capability in advanced SQL and $PySpark$ for large-scale data exploration and transformation. Familiarity with cloud storage systems (such as Google Cloud Storage or Azure Blob Storage).
Statistical Rigor
Experimental Design: Hands-on application of A/B testing and hypothesis testing to solve business challenges.
Causal Reasoning: Deep understanding of causality vs. correlation, with the ability to select and apply causal inference techniques.
Robust Validation: Comprehensive model evaluation going beyond standard accuracy to focus on business metrics, bias detection, and subgroup analysis.
Development Discipline
Version Control: Consistent use of Git as a core daily workflow, not just an end-of-project formality.
Production-Ready Code: Clean, modular, and organized Python code—delivering maintainable codebases, not just exploratory notebooks.
ML Ops & Documentation: Familiarity with experiment tracking (e.g., MLflow) and structured model documentation (defining problem scope, dataset lineage, and operational constraints).
Engineering Standards: Adherence to team best practices, including secure credentials handling, data versioning, and standardized project structures.
AI Judgment & Ethics
Critical AI Utilization: Responsible leverage of Generative AI tools to accelerate development while critically auditing and validating generated outputs.
Architectural Prudence: Sound engineering judgment to determine when LLMs or agentic systems add genuine value versus when classical ML or deterministic approaches are superior.
¿Qué tenemos para ti?
Apoyamos tu crecimiento personal y profesional con planes de desarrollo individual, donde tu eres dueñ@ de tu carrera y hasta dónde quieres llegar.
Días de descanso superiores a los de la ley: No es necesario esperar un año para disfrutar de tus días de vacaiones, además de días adicionales por tipos de eventos especiales y festividades.
Beneficios económicos adicionales a tu salario: Vales de despensa, fondo de ahorro, bolsa de capacitación, bono de bienestar, convenios y descuentos.
Apoyo emocional, queremos tu estabilidad en salud fisica y mental, por ello tenemos diversos beneficios que cubren aspectos de equilibrio personal para ti y salud para tu familia. ¡Queremos cuidar de ti y los tuyos!
Aquí hay espacio para gente buena… como tú, ¡Queremos conocerte!