Responsable de utilizar técnicas estadísticas avanzadas para manipular y analizar datos, creando y evaluando modelos de machine learning e inteligencia artificial que disminuyan costos, aumenten ganancias y optimicen procesos para nuestros clientes.

Responsable de participar en todas las etapas de los proyectos de ciencia de datos incluyendo análisis, diseño, implementación y puesta en producción. Responsable de crear soluciones eficientes y escalables, que resuelven de forma efectiva los problemas de los usuarios, integrando múltiples sistemas y servicios, y trabajando con modelos de machine learning, servicios de cloud, y otras aplicaciones relacionadas con Inteligencia Artificial.

• Avanzadas habilidades de comunicación verbal y escrita.
• Fuerte orientación hacia el trabajo en equipo. 
• Excelentes de resolución de problemas, y gran curiosidad científica.
• Experiencia en análisis de datos y modelado predictivo.
• Habilidades analíticas y capacidad para abordar problemas complejos.
• Fuertes habilidades de programación en Python, Java o Scala.
• Experiencia con servicios en la nube (AWS, Google Cloud, Azure) y sus herramientas específicas de aprendizaje automático.
• Experiencia con frameworks de machine learning (por ejemplo, TensorFlow, PyTorch) y bibliotecas (por ejemplo, scikit-learn, pandas).
• Familiaridad con estructuras de datos, modelado de datos y arquitectura de software.
• Capacidad comprobada para diseñar e implementar soluciones de aprendizaje automático desde cero.
• Grado académico en ciencias de la computación, ingeniería de software o campos relacionados o experiencia equivalente

Indispensables

• Python, Scala
• Experiencia en el manejo de Public Cloud: AWS, GCP, Azure (al menos uno) 
• Conocimientos de Aprendizaje automático, deep learning
• Visualización de datos
• Docker

• Diseñar, desarrollar y mantener soluciones de aprendizaje automático escalables desde la concepción hasta la producción.
• Colaborar cercanamente con equipos multifuncionales que incluyen científicos de datos, gerentes de producto e ingenieros de software para integrar algoritmos de aprendizaje automático en sistemas de software más amplios.
• Analizar conjuntos de datos grandes para desarrollar modelos de aprendizaje automático que resuelvan problemas complejos.
• Optimizar sistemas de aprendizaje automático existentes para mejorar la eficiencia y el rendimiento.
• Utilizar los servicios de nube de plataformas como AWS, GCP o Azure que mejoren el rendimiento, costo, o escalabilidad de las soluciones de machine learning. 
• Mantenerse actualizado con las últimas técnicas y tecnologías de aprendizaje automático.
• Documentar y presentar claramente el desarrollo de modelos y resultados a los interesados.
• Promover el avance de la práctica de la ingeniería de software dentro de la organización impulsando la mejora continua en la implementación de mejores prácticas o el uso de nuevas tecnologías.