Científico de Datos

Modalidad: Remoto

Requisitos:

• Formación Académica: Licenciatura o posgrado (Maestría o Doctorado) en áreas enfocadas en la investigación científica, como Física, Matemáticas, Actuaría, Estadística, Ciencias de la Computación o disciplinas relacionadas.

Experiencia Profesional:

• +5 años de experiencia profesional
• Ingles avanzado
• Más de 5 años de experiencia en roles relacionados con ciencia de datos, análisis estadístico o investigación aplicada.
• Experiencia liderando proyectos de ciencia de datos de principio a fin, desde la definición del problema hasta la implementación de soluciones.
• Experiencia trabajando con grandes volúmenes de datos y en entornos de computación distribuida.
• Experiencia en la aplicación de técnicas avanzadas de modelado, como redes neuronales profundas, modelos bayesianos, análisis de series temporales y optimización matemática
• Experiencia en proyectos de investigación académica o aplicada, preferentemente con publicaciones en revistas científicas o conferencias reconocidas.
• Conocimiento avanzado en estadística inferencial, diseño experimental y pruebas de hipótesis.
• Experiencia en investigación científica y publicación de artículos en revistas académicas.
• Familiaridad con metodologías ágiles y gestión de proyectos (Scrum, Kanban).
• Conocimientos en bioinformática, econometría o áreas específicas de aplicación científica (opcional)
• Herramientas:
• Lenguajes de Programación: Python (avanzado), R, Julia.
• Bibliotecas de Ciencia de Datos y ML: NumPy, Pandas, Scikit-Learn, TensorFlow, PyTorch, Statsmodels, XGBoost,
• LightGBM.
• Análisis Estadístico y Modelado: SPSS, SAS, MATLAB.
• Visualización de Datos: Matplotlib, Seaborn, Plotly, Tableau, Power BI.
• Big Data y Procesamiento Distribuido: Spark, Dask, Hadoop.
• Bases de Datos: SQL, NoSQL (MongoDB, Cassandra), PostgreSQL.
• ETL y Orquestación: Apache Airflow, Luigi.
• Infraestructura y MLOps: Docker, Kubernetes, MLflow, Kubeflow.
• Computación en la Nube: AWS, GCP, Azure.

Responsabilidades:

• Diseñar y desarrollar modelos estadísticos y de aprendizaje automático para resolver problemas complejos en
• entornos científicos y empresariales.
• Realizar análisis exploratorios de datos (EDA) para identificar patrones, tendencias y relaciones significativas.
• Liderar proyectos de investigación aplicada, desde la formulación de hipótesis hasta la validación de resultados.
• Colaborar con equipos multidisciplinarios para integrar modelos predictivos en productos y servicios.
• Implementar pipelines de datos y modelos reproducibles, asegurando la trazabilidad y la calidad de los resultados.
• Desarrollar y aplicar técnicas avanzadas de modelado, como redes neuronales profundas, modelos bayesianos y
• análisis de series temporales.
• Documentar y comunicar hallazgos clave en reportes técnicos y publicaciones científicas.
• Diseñar estrategias de validación y monitoreo para garantizar la robustez y el rendimiento de los modelos en
• producción.
• Identificar oportunidades para la innovación científica mediante el uso de datos y nuevas tecnologías.
• Proponer soluciones basadas en datos para problemas específicos de negocio o investigación, alineadas con los
• objetivos estratégicos de la organización