Buscamos a un experto en inteligencia artificial y ciencia de datos para diseñar, entrenar y desplegar modelos de ia/ml y soluciones de inteligencia artificial generativa.
su objetivo principal será elevar ventas, optimizar inventarios y mejorar la experiencia del cliente mediante la conversión de datos en decisiones accionables.responsabilidades clavemodelado predictivo: pronóstico de ventas por plaza/sucursal/categoría, demanda de exámenes (nuevos vs. recurrentes), citas y no-show.optimización de inventarios y resurtidos: niveles objetivo por categoría (económico, diseñador, premium), rotación, cobertura y alertas de faltantes.precios y promociones: análisis de elasticidad, medición de lift, pruebas a/b, recomendaciones por segmento y calendario promocional.genai aplicada al negocio:asistentes (texto/voz) para atención y ventas; prompts, rag, embeddings y evaluación.generación de copys y piezas base para campañas (redes/whatsapp/radio) con control de calidad.marketing analytics: atribución, roas, cohortes, funnels de exámenes y efectividad de sms/medios.ingeniería de datos: etl/elt desde sql server a bigquery; limpieza, validación y versionado de datasets.mlops: trazabilidad de experimentos (mlflow), empaquetado (docker), orquestación (airflow/prefect) y despliegues.visualización & reporting: dashboards ejecutivos (looker studio/power bi/streamlit/dash) y paquetes de insights para consejo y dirección.gobierno y calidad de datos: definiciones de métricas, documentación y monitoreo de confiabilidad.requisitosformación: ingeniería (sistemas, computación, industrial), matemáticas aplicadas o afín.experiencia: 3–5+ años en data science/ml (idealmente retail/omnicanal).
python avanzado: pandas, numpy, scikit-learn, xgboost; nociones de pytorch/tensorflow.entorno de trabajo: jupyter/google colab; control de versiones con git.genai: openai/anthropic, langchain, rag, embeddings, vector stores (faiss/pinecone), evaluación de prompts.sql fuerte: consultas complejas, performance (sql server/bigquery).
estadística aplicada y experimentación: a/b testing, intervalos, mape/smape, causalidad básica.comunicación: capacidad para sintetizar hallazgos y proponer acciones claras.beneficioscompensación competitiva y esquema híbrido.equipo de trabajo y presupuesto de nube/herramientas.ambientes de datos reales de alto volumen y retos de negocio concretos.oportunidad de crecer e incidir directamente en decisiones comerciales.cómo postularenvía tu cv, github/portafolio y una breve nota sobre tu proyecto de ia/ml más relevante a: (no mail) con asunto: especialista en inteligencia artificial y ciencia de datos.