Científico/a de Datos.

Propósito del rol:

Desarrollar, desplegar y mantener modelos de machine learning/estadística que predigan y optimicen resultados del negocio (ej. Abandono o fuga, LTV, propensión, precios, recomendaciones), y crear pipelines que lleven estos modelos a producción.

Responsabilidades clave[OV2]

- Entender y preparar los datos para que el modelo aprenda bien.
- Probar y comparar modelos para quedarnos con el que mejor funcione.
- Medir qué tan bien funciona con métricas claras y probarlo en la vida real con experimentos controlados (A/B en producción).
- Pasar de experimento a operación fiable.
- Traducir necesidades del negocio a objetivos que el modelo pueda atacar y medir.
- Dejar por escrito límites y riesgos y poder explicar decisiones cuando se requiera.
- Trabajar con TI para automatizar el flujo de datos y predicciones) y exponer el modelo a otros sistemas.

Requisitos

- Licenciatura/Posgrado en Matemáticas, Estadística Matemática, , Ingeniería Matemática o afín.
- 4+ años construyendo modelos de ML aplicados a negocio (ideal: experiencia en producción).
- Dominio de Python y librerias a fin (pandas, scikit-learn; deseable PyTorch/TensorFlow).
- R indispensable




- Experiencia con SQL avanzado y manejo de datos a escala (Spark/Dask deseable).
- Conocimiento sólido de inferencia estadística, validación, feature selection, regularization.
- Experiencia en cloud (GCP/AWS/Azure) y herramientas de MLOps (MLflow, Vertex/SageMaker, Docker).
- Deseable: NLP, recommenders, optimización, causalidad/experimentos.

Competencias

- Formulación rigurosa de problemas y diseño experimental.
- Toma de decisiones basada en evidencia y costo/beneficio.
- Comunicación con ejecutivos (qué hace el modelo y qué no).
- Buenas prácticas de software (tests, CI/CD, code review).

Tecnologías (típicas en el rol)

- Python (pandas, scikit-learn, PyTorch/TensorFlow), R.
- SQL, Spark/Dataproc/EMR.
- MLflow/Weights & Biases, Docker, Airflow/Prefect.
- Cloud: GCP (BigQuery/Vertex), AWS (SageMaker), Azure (ML).
- Herramientas de monitoreo de modelos y feature stores.

KPIs del rol

- Desempeño de modelos vs. baseline.
- Time-to-production y uptime de servicios de predicción.
- Impacto de negocio medido (ingreso incremental, ahorro de costos, retención).

Salario segun aptitides, conocimiento y experiencia. Favor de agendar cita de entrevista.

#LI-Onsite

📌 Cientifico de datos. (Tijuana)
🏢 Grupo Caliente
📍 Tijuana