Científico de Datos Aplicados / Ingeniero de Aprendizaje Automático (Inteligencia de Decisión)

Buscamos un científico de datos aplicados o un ingeniero de aprendizaje automático con mentalidad de producto para ayudar a construir, enviar y escalar productos impulsados ​​por ML que mejoren directamente la forma en que nuestros clientes toman decisiones, operan sus negocios y atienden a sus propios usuarios.
Esta no es una función exclusiva de investigación ni una posición de análisis interno orientada al servicio. Queremos a alguien que haya tomado el aprendizaje automático desde la definición de problemas hasta la experimentación, la implementación de producción, la medición, la iteración y la propiedad a largo plazo. Usted comprende que los grandes modelos no sólo son precisos en los cuadernos: son utilizables, explicables, mensurables, escalables y valiosos dentro de un producto real.
Ya sea que su experiencia se incline en gran medida hacia la ingeniería de datos/operaciones de aprendizaje automático o la ciencia de datos aplicada, tiene un fuerte sesgo hacia el envío y un interés en unir ambos mundos para darle vida a la IA.
LO QUE HARÁS:

Habilitación de ingeniería e inteligencia artificial

•
Propiedad de ML de extremo a extremo: impulse el desarrollo de capacidades de aprendizaje automático (previsión, recomendación, clasificación, optimización o inteligencia de decisiones) que impulsen los productos SaaS orientados al cliente.

•
Desarrollo de canales y modelos: diseñe canales de datos y funciones confiables junto con modelos desde el descubrimiento hasta la experimentación, la validación, la implementación y el monitoreo.

•
Integración de productos: asóciese con gerentes de productos e ingenieros de software para integrar el aprendizaje automático directamente en los flujos de trabajo de los productos, las experiencias de los usuarios y las herramientas de toma de decisiones.

•
Creación de prototipos pragmáticos: pase rápidamente del prototipo a la producción mientras equilibra la precisión, la interpretabilidad, la latencia, la mantenibilidad y el impacto empresarial.

Propiedad y estrategia del ecosistema

•
Evaluación y experimentación: defina estrategias de evaluación en línea y fuera de línea, incluida la calidad, deriva y confiabilidad del modelo. Diseñe pruebas A/B y marcos de medición causal para demostrar que las funciones de aprendizaje automático mejoran los resultados de los clientes.

•
Estado de los datos y bucles de retroalimentación: colabore con los equipos de datos para garantizar que los modelos estén respaldados por características de alta calidad, mientras crea bucles de retroalimentación para que las experiencias del producto mejoren con el tiempo.

•
Soporte de plataforma y MLOps: ayude a administrar y optimizar la infraestructura de datos en la nube, garantizando información confiable y administrando proactivamente el estado de los datos antes de que afecten a los usuarios.

Dirección Técnica y de Producto

•
Juicio estratégico: aporte un criterio sólido sobre cuándo utilizar el aprendizaje automático tradicional, el modelado estadístico, los LLM, la heurística o la lógica de producto más simple. Haga concesiones prácticas entre la complejidad del modelo y el impacto en el cliente.

•
Influencia de la hoja de ruta: comunique claramente lo que el aprendizaje automático puede y no puede resolver para influir en las decisiones de la hoja de ruta, ayudando a identificar dónde el aprendizaje automático puede crear una verdadera diferenciación del producto.

•
Tutoría: guíe y oriente a otros científicos de datos, ingenieros de ML, analistas y socios multifuncionales en las mejores prácticas de ML aplicadas.

QUIÉN ERES:

•
El constructor probado: ha convertido ML en productos reales. Se siente cómodo comenzando con un problema de producto ambiguo, averiguando si ML es la solución correcta, construyéndolo y midiendo si funcionó.

•
Arquitecto que da prioridad al producto: le preocupa tanto el impacto del producto como el rendimiento del modelo. Usted sabe que un modelo con una precisión ligeramente menor pero mayor confianza, inferencia más rápida, mejor explicabilidad y una mayor adopción por parte del usuario es la mejor decisión sobre el producto.

•
Un ejecutor multidisciplinario: comprende que un modelo es tan bueno como el proceso que lo alimenta. Prioriza la usabilidad, el "tiempo para obtener información" y la confianza del cliente tanto como la eficiencia del código.

LO QUE TRAERÁS:

•
Experiencia: más de 3 años (idealmente más de 5) de experiencia profesional en ciencia de datos aplicada, aprendizaje automático o ingeniería de aprendizaje automático, incluida experiencia práctica en la creación y envío de modelos a productos de producción. Se valora mucho la experiencia con productos SaaS.

•
Núcleo técnico: sólidas habilidades en Python y experiencia práctica con bibliotecas y marcos de aprendizaje automático aplicados (por ejemplo, Scikit-Learn, XGBoost, PyTorch, TensorFlow). Se requiere experiencia sólida en SQL.

•
Profundidad de modelado y aprendizaje automático: sólido conocimiento del aprendizaje supervisado, pronóstico, clasificación, sistemas de recomendación, optimización o modelado estadístico. Es esencial tener experiencia con conjuntos de datos de productos imperfectos del mundo real.

•
Operaciones y orquestación: familiaridad con los conceptos de MLOps (control de versiones de modelos, canalizaciones de funciones, orquestación a través de Airflow/dbt/Dagster, monitoreo, detección de deriva) y plataformas de datos modernas (por ejemplo, Snowflake, BigQuery, Redshift, Databricks).

•
Infraestructura en la nube: experiencia práctica operando en entornos de nube (AWS, GCP o Azure).

•
Comunicación y colaboración: excelentes habilidades de comunicación con la capacidad de explicar claramente compensaciones técnicas complejas a partes interesadas comerciales no técnicas, de productos y de ingeniería.

PUNTOS DE BONIFICACIÓN POR:

•
Experiencia en inteligencia de decisiones, previsión, modelado de comportamiento del cliente, optimización de rutas/fuerza laboral o productos de inteligencia operativa.

•
Experiencia con LLM, GenAI o flujos de trabajo agentes aplicados a casos de uso de productos reales.

•
Experiencia previa actuando como científico Senior o Líder responsable de orientar la dirección técnica.

LO QUE DEBES SABER SOBRE NOSOTROS:

• Estamos relajados pero abotonados. Ofrecemos un ambiente de trabajo informal y flexibilidad de trabajo remoto y nos apasiona desarrollar soluciones creativas e innovadoras de primer nivel que contribuyan directamente al éxito de nuestros clientes.

• Nos preocupamos profundamente y brindamos servicios y soluciones que marcan una diferencia real en las vidas de nuestros clientes y sus negocios.

• Aceptamos abiertamente a los demás tal como son y construimos asociaciones sólidas basadas en la confianza.

• El trabajo en equipo y la colaboración son clave para ayudar a nuestros colegas y clientes a resolver sus desafíos.

• Nuestro equipo es enérgico, divertido, naturalmente curioso y ansioso por generar un impacto. ¡Te invitamos a unirte a nosotros!

AMA LO QUE HACES, NO IMPORTA DÓNDE LO HAGAS:…

Fuente: Jobicy (https://jobicy.com/jobs/147495-applied-data-scientist-machine-learning-engineer-decision-intelligence)