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: experiencia en producción).
* dominio de python y librerias a fin (pandas, scikit-learn; deseable pytorch/tensorflow).
* r indispensable
* experiencia con sql avanzado y manejo de datos a escala (spark/dask deseable).
* conocimiento sólido de inferencia estadística, validación, feature selection, regularization.
* experiencia 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).
#li-onsite