Description
Acerca de:
Liderar el diseño, desarrollo y optimización de soluciones avanzadas de inteligencia artificial y machine learning aplicadas a datos estructurados, no estructurados y
geoespaciales, actuando como referente técnico en la adopción de nuevas tecnologías y en la formación de capacidades analíticas, para resolver problemas
estratégicos del negocio con soluciones escalables, precisas y alineadas a los objetivos organizacionales.
Responsabilidades:
Desarrollar y entrenar modelos de ML supervisado y no supervisado, así como modelos de IA enfocados en NLP, visión computacional, análisis de series temporales y datos geoespaciales para resolver problemas de predicción, clasificación y segmentación.
Preprocesar y transformar datos estructurados y no estructurados aplicando técnicas avanzadas de limpieza, imputación, normalización, selección de variables y extracción de características.
Evaluar el desempeño, interpretabilidad y equidad de los modelos mediante métricas como precisión, AUC-ROC, RMSE y técnicas de explicabilidad como SHAP o LIME.
Diseñar y construir pipelines de entrenamiento, validación y despliegue de modelos utilizando herramientas como Scikit-learn, TensorFlow, PyTorch y arquitecturas escalables en la nube (AWS, Azure, GCP).
Desplegar y mantener modelos de IA en producción, asegurando su escalabilidad, estabilidad y monitoreo continuo para evitar la degradación del desempeño.
Colaborar con equipos de negocio,



ingeniería y MLOps para identificar casos de uso y traducirlos en soluciones basadas en datos de alto impacto alineadas con objetivos de negocio y contexto operacional.
Investigar y aplicar técnicas de optimización de modelos como ajuste de hiper parámetros, técnicas bayesianas y regularización para mejorar la eficiencia y precisión de las soluciones implementadas
Requisitos:
Experiencia de al menos 2 años en perfiles de científicos de datos.
Al menos 2 años de experiencia en diseño, entrenamiento y evaluación de modelos IA y ML.
Dominio de metodologías de evaluación y validación de modelos (AUC, RMSE, F1-score, técnicas de fairness, explainability con SHAP o LIME).
Conocimiento práctico en diseño de experimentos y validación cruzada avanzada.
Uso de herramientas de versionado de datos y modelos (DVC, MLflow) y flujos CI/CD para entornos de ML.
Educación:
Licenciatura o Ingeniería en Ciencias de la Computación, Matemáticas, Estadística, Tecnologías de la Información o carrera afín.
Deseable:Maestría en Ciencia de Datos, Estadística, Matemáticas Aplicadas, Inteligencia Artificial, Ingeniería en Datos o afines.
Incentivos:
Sueldo base
Fondo de ahorro
Descuentos en compras de muebles y ropa
Aguinaldo
Vacaciones
Prima vacacional
Reparto de utilidades
Día libre de cumpleaños
Becas para estudio
Útiles escolares
Club de protección familiar
Ambiente de trabajo agradable
Entre otros beneficios y prestaciones

📌 Científico De Datos Cenic Sr (México)
🏢 Coppel Enterprise
📍 México