Descripción de la oferta
Descripción del trabajo Buscamos un/a Data Scientist / ML Engineer con sólida experiencia en IA tradicional para incorporarse a un equipo de datos en expansión. La persona seleccionada será responsable de diseñar, entrenar y poner en producción modelos predictivos orientados a pricing dinámico, personalización de oferta y forecast de demanda en entornos retail de alto volumen. El rol requiere dominio del ciclo completo de un modelo : desde el análisis exploratorio y la ingeniería de features hasta el despliegue en producción mediante pipelines de CI/CD, garantizando que los outputs lleguen a los sistemas de negocio en tiempo y forma. Responsabilidades principales: Diseño y entrenamiento de modelos de regresión para forecast de demanda y elasticidad de precio. Desarrollo de clasificadores (churn, propensión a compra, detección de anomalías en stock). Construcción de sistemas de recomendación (collaborative filtering, content-based, híbridos) para personalización de oferta SKU-cliente. Gestión del ciclo de vida de modelos: versionado, retraining periódico y monitorización de drift. Integración en pipelines de CI/CD (GitHub Actions, GitLab CI o similar): testing, validación automática y promoción a producción. Monitorización de métricas de negocio y métricas técnicas (RMSE, AUC, ) post-despliegue. Traducción de requisitos de negocio (pricing managers, category managers) en problemas formales de ML. Documentación clara de metodología, decisiones de modelado y resultados para audiencias técnicas y no técnicas. Participación en code reviews y en la definición de estándares del equipo de datos. Requisitos imprescindibles: 5+ años de experiencia en roles de Data Science o ML en entornos productivos. Dominio de Python científico (pandas, scikit-learn, numpy). SQL avanzado. Modelos: Regresión (lineal, Ridge, Lasso, XGBoost/LightGBM), clasificadores (RF, GBM, logística), sistemas de recomendación. CI/CD: Conocimiento general de pipelines de integración continua; experiencia empaquetando modelos con Docker y desplegando vía GitHub Actions, GitLab CI o similar. Experiencia con herramientas de tracking de experimentos: MLflow, W&B o similar. Capacidad de comunicar resultados de modelos a stakeholders no técnicos Valorables: Experiencia en retail, travel, e-commerce o industrias con pricing dinámico. Conocimiento de frameworks de orquestación de datos (Airflow, Prefect). Familiaridad con plataformas cloud: GCP (BigQuery, Vertex AI), AWS (SageMaker) o Azure ML. Experiencia con feature stores (Feast, Tecton) o arquitecturas de datos en tiempo real (Kafka, Flink). Conocimientos de A/B testing y experimentación online para validación de modelos en producción. #J-18808-Ljbffr
