Inetum es un grupo internacional de consultoría digital ágil. En la era post-transformación digital, nuestro propósito es permitir que cada una de las más de 27,000 personas que forman parte de nuestro equipo se renueve continuamente, viviendo de forma positiva su propio flow digital.

Con presencia en 26 países, promovemos trayectorias profesionales flexibles, innovación local y un equilibrio saludable entre la vida personal y profesional. Además, Inetum ha sido reconocida como Top Employer, certificación que avala nuestro compromiso con el bienestar, el desarrollo profesional y la excelencia en la gestión del talento.

Compromiso con la igualdad

En Inetum, promovemos un entorno de trabajo inclusivo y equitativo. Se tendrán en cuenta todos los candidatos, independientemente de su género, identidad, orientación sexual, edad, origen étnico, discapacidad u otras condiciones. Las decisiones de contratación se basan únicamente en las habilidades, competencias y valores alineados con nuestra cultura organizativa.

Nota de transparencia:
En nuestro proceso de selección utilizamos herramientas de inteligencia artificial para realizar un prefiltrado de perfiles. Estas herramientas se emplean únicamente como apoyo para el análisis y no toman decisiones de contratación, las cuales siempre son validadas por nuestro equipo de reclutamiento.
Si consideras que tu postulación fue evaluada de manera incorrecta, puedes escribirnos a:

[email protected]

Descripción del empleo

Diseñar, desarrollar, implementar y optimizar modelos avanzados de Machine Learning e Inteligencia Artificial que permitan resolver problemas de negocio complejos,



generar insights accionables y potenciar la toma de decisiones basada en datos. Será responsable de garantizar la calidad técnica, estadística y operativa de las soluciones analíticas, trabajando bajo estándares de desarrollo profesional y mejores prácticas de MLOps.

- Diseñar, desarrollar e implementar modelos predictivos, prescriptivos y algoritmos de Machine Learning para diferentes áreas del negocio.
- Analizar grandes volúmenes de información para identificar patrones, tendencias y oportunidades de mejora.
- Aplicar técnicas de experimentación, pruebas de hipótesis y análisis causal para respaldar decisiones estratégicas basadas en evidencia.
- Construir procesos de transformación y preparación de datos mediante SQL avanzado y PySpark.
- Desarrollar código en Python modular, mantenible y listo para producción siguiendo estándares de ingeniería de software.
- Implementar procesos de seguimiento y monitoreo de experimentos utilizando herramientas como MLflow o similares.
- Evaluar y validar modelos considerando métricas de negocio, sesgos, explicabilidad, desempeño por segmentos y robustez estadística.
- Colaborar con equipos multidisciplinarios para traducir necesidades de negocio en soluciones analíticas escalables.
- Documentar de manera estructurada los modelos desarrollados, incluyendo objetivos, fuentes de datos, supuestos,



limitaciones y resultados esperados.
- Gestionar datos almacenados en ambientes cloud como Google Cloud Storage (GCS) y Azure Blob Storage.
- Aplicar buenas prácticas de versionamiento, control de cambios, manejo confiable de credenciales y gobierno de datos.
- Evaluar y definir el uso adecuado de herramientas de Inteligencia Artificial Generativa, modelos LLM y sistemas de agentes, asegurando un enfoque responsable y orientado al valor de negocio.

Conocimientos Técnicos Requeridos

- Dominio avanzado de Python como lenguaje principal y exclusivo de desarrollo.

Machine Learning y Ciencia de Datos

Experiencia sólida en las siguientes tecnologías y librerías:

- Pandas
- Experiencia en desarrollo e implementación de modelos utilizando:
- TensorFlow
- PyTorch

Procesamiento y Gestión de Datos

- SQL avanzado para consulta y análisis de datos.
- PySpark para procesamiento, exploración y transformación de grandes volúmenes de información.
- Experiencia trabajando con datos en entornos cloud:
- Google Cloud Storage (GCS)
- Azure Blob Storage

Competencias Estadísticas

- Diseño experimental aplicado a problemas de negocio.
- Pruebas de hipótesis y análisis inferencial.
- Comprensión avanzada de causalidad y capacidad para distinguir entre correlación y relaciones causales.
- Validación robusta de modelos considerando:
- Métricas de negocio.
- Precisión y desempeño.
- Sesgos algorítmicos.
- Comportamiento por segmentos y subgrupos.
- Interpretabilidad y explicabilidad.

Desarrollo y Gobierno de Soluciones

- Uso profesional de Git dentro del flujo de trabajo diario.
- De

📌 Ciencia de Datos (Ciudad de México)
🏢 Inetum Holding Mexico
📍 Ciudad de México