*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*
- * 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 estable*.
- * 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, ciencias de la computación, ingeniería matemática o afín.
- 4+ años construyendo modelos de ml aplicados a negocio (ideal: experiência en producción).
- dominio de python y librerias a fin (pandas, scikit-learn; deseable pytorch/tensorflow).
- r indispensable
- experiência con sql avanzado y manejo de datos a escala (spark/dask deseable).
- conocimiento sólido de inferencia estadística, validación, feature selection, regularization.
- experiência 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).