¿Por qué este es el puesto perfecto para ti?

• Diseñar, desarrollar e implementar pipelines end-to-end en entornos AWS para ejecución de proyectos de optimización matemática y machine learning (exploración de datos, muestreo, generación de datos de train, feature engineering, construcción de modelos y evaluación de performance) 
• Traducir problemas de negocio complejos en estratregias y soluciones de modelado de data science. 
• Asegurar que los pipelines son escalables, repetibles y seguros, así como de que puedan servir a multiples usuarios en la compañía.
• Investigar, codificar, testear y documentar sistemas de datos nuevos o modificados que sirvan para crear Aplicaciones de analytics que sean genuinamente nuevas, robustas y escalables. 

¿A quién estamos buscando?

• Formación: Master o PhD en Física, Matemáticas, Ingeniería o disciplina cuantitativa relacionada 
• Idiomas: Inglés (Mínimo B2)
• Mínimo de 3 años de experiencia en ciencia de datos y/o problemas de optimización matemática, deseable 4-5 años para reponsabilidades de mayor señority.
• Experiencia en proyectos de machine learning (clasificación, regresión, forecasting). Especialmente aplicados en procesos industriales y/o entornos B2B.
• Experiencia en planteamiento e implementación de soluciones de optimización matemática. Recomendable optimización aplicada a problemas de logística.
• Experiencia en el desarrollo y despliegue de soluciones en plataformas cloud (AWS)
• Conocimiento de buenas practicas para gestión de código en repositorios (git, CI/CD)
• Experiencia con diseño orientado a objetos, desarrollo de código, testing y experiencia en plataformas de ingeniería de software y datos de gran volumen.
• Experiencia en desarrollo de presentaciones y comunicaciones para stakeholders internos y externos.

Sería ideal si además:

• Conocimiento de algoritmos de Machine Learning y librerías del ecosistema DS en Python (pandas/polars, scikit-learn, …)
• Familiaridad con librerías de optimización matemática en Python (Pyomo)
• Capacidad de trabajo con sistemas distribuidos, utilizando herramientas open source
• Conocimiento de herramientas o servicios MLOPs (MLFlow, Kubeflow, Sagemaker)