🎁 Antes de postularte, practica esta entrevista. Crea tu cuenta gratis en WorkMundi y recibe un Entrenamiento de Entrevista en HelpsYouSpeak — sin costo, sin tarjeta. Quiero mi entrenamiento →
Científico de Datos II (Machine Learning) [Híbrido] Palabras clave: Científico de Datos II Data Scientist II Científico de Datos Data Scientist Especialista en Machine Learning Analista de Datos Avanzado Machine Learning Inteligencia Artificial Big Data Ciencia de Datos Analítica Avanzada Python R SQL MLOps Misión: Diseñar, desarrollar, desplegar y optimizar modelos analíticos avanzados de Machine Learning e Inteligencia Artificial. Extraer valor estratégico a partir de grandes volúmenes de datos para resolver problemas complejos de negocio, impulsar la innovación y optimizar procesos. Formación académica: Profesional en Ingeniería de Sistemas, Ingeniería Industrial, Estadística, Matemáticas, Ciencia de Datos o carreras afines. Deseable posgrado (Especialización o Maestría) en Ciencia de Datos, Inteligencia Artificial, Analytics o áreas relacionadas. Experiencia: De 3 a 5 años de experiencia desempeñándose en roles de Ciencia de Datos o Analítica Avanzada, participando en el ciclo de vida completo de modelos analíticos (diseño, entrenamiento, validación, despliegue y monitoreo). Programación avanzada en Python o R. Manejo avanzado de SQL y bases de datos relacionales/no relacionales. Estadística avanzada, probabilística y diseño de experimentos (A/B testing). Conocimientos clave: Algoritmos de Machine Learning (supervisados y no supervisados) y Deep Learning. Librerías y frameworks clave: Scikit-learn, TensorFlow, PyTorch, XGBoost, Pandas, NumPy. MLOps básico/intermedio (MLflow, Docker, CI/CD para modelos). Plataformas Cloud (AWS, Azure o GCP) y herramientas de Big Spark/PySpark. Funciones principales: Exploración, limpieza, enriquecimiento y feature engineering sobre conjuntos de datos masivos. Diseñar, entrenar, evaluar y seleccionar modelos de Machine Learning y Deep Learning. Implementar y desplegar modelos en entornos de producción mediante arquitecturas robustas y mejores prácticas de MLOps. Monitorear la deriva de datos (data drift) y el rendimiento continuo de los modelos desplegados. Contrato: Indefinido Horario y Modalidad: Lunes a Viernes Teletrabajo con disponibilidad de asistir presencial