Directo de la empresahace 3 días
[8BE] Data Scientist (AI + ML)
Software Mind
Buenos Aires, Buenos AiresRemoto · Por proyecto
Senior5+ años
Este aviso fue publicado originalmente en inglés, así que es probable que necesites inglés para este puesto. La descripción puede estar traducida automáticamente al español; ante la duda, revisá el aviso original con el botón de postularte.
Empresa busca Científico de Datos con experiencia en IA probabilística y ML para plataforma de e-commerce. Se requiere diseño, validación y producción de modelos bayesianos y de cadenas de Markov, con integración a microservicios. Contrato por 3-6 meses.
Por qué aplicar
Si te copa la IA probabilística y el ML aplicado a e-commerce, este puesto es para vos. Podrás diseñar y poner en producción modelos bayesianos y de cadenas de Markov, trabajando en una plataforma moderna. Ideal para quienes buscan un desafío técnico concreto por 3-6 meses.
Descripción del puesto
Buscamos un Científico de Datos con profunda experiencia en IA probabilística y aprendizaje automático estadístico para dar soporte a la plataforma de e-commerce de un cliente, construida sobre una arquitectura distribuida de microservicios. El roadmap de la plataforma incluye un conjunto de capacidades de inteligencia que requieren modelado estadístico riguroso en lugar de aprendizaje automático supervisado estándar. Este rol es responsable de diseñar, validar y producir modelos probabilísticos, y de trabajar estrechamente con la ingeniería de backend para traducir esos modelos en una arquitectura de producción orientada a servicios dentro del ecosistema de microservicios existente de la plataforma. Duración del proyecto: 3 - 6 meses. Qué harás: - Modelado e inferencia bayesiana: Diseñar e implementar modelos estadísticos bayesianos — priors, likelihoods e inferencia posterior — para dar soporte a la toma de decisiones bajo incertidumbre en casos de uso relacionados con precios, segmentación y demanda. - Cadenas de Markov y Modelos Ocultos de Markov: Construir formulaciones de cadenas de Markov y Modelos Ocultos de Markov para patrones secuenciales y de comportamiento (ej. etapas del ciclo de vida del cliente, transiciones de estado), produciendo resultados que los servicios downstream puedan consumir. - Muestreo MCMC y Metropolis-Hastings: Aplicar métodos de Monte Carlo de Cadenas de Markov, incluido el muestreo Metropolis-Hastings, para estimar distribuciones posteriores de modelos sin soluciones de forma cerrada, y validar la convergencia y la calidad del muestreo. - Modelado de mezclas: Desarrollar modelos de mezclas — Modelos de Mezclas Gaussianas en particular — para dar soporte a casos de uso de segmentación, identificando grupos latentes de clientes o productos a partir de datos transaccionales y de comportamiento. - Expectation-Maximization: Implementar Expectation-Maximization para la estimación de variables latentes subyacentes a modelos de mezclas y tareas relacionadas de aprendizaje no supervisado. - Traducción a producción: Trabajar con la ingeniería de backend para traducir modelos estadísticos a arquitectura de servicios de producción — definiendo APIs, contratos de datos y puntos de integración dentro de los microservicios existentes de la plataforma y pipelines orientados a eventos. - Gestión del ciclo de vida del modelo: Definir el enfoque para el entrenamiento, validación, versionado, monitoreo/detección de drift y cadencia de reentrenamiento una vez que los modelos estén en producción. - Colaboración en el roadmap: Asociarse con los líderes de entrega e ingeniería para dimensionar, secuenciar y estimar iniciativas de modelado probabilístico/estadístico en el roadmap del producto. - Documentación y entrega: Documentar supuestos de modelado, metodología y resultados de validación, y proporcionar una guía clara de entrega para que los modelos sigan siendo mantenibles por el equipo de ingeniería después del compromiso. Requisitos: - +90% de inglés escrito y oral (nivel B2 como mínimo) con excelentes habilidades de comunicación. - Más de 5 años de experiencia profesional en ciencia de datos (modelado estadístico o aprendizaje automático aplicado). - Sólida experiencia demostrable en estadística bayesiana/inferencia bayesiana, cadenas de Markov, Modelos Ocultos de Markov, métodos MCMC (incluido el muestreo Metropolis-Hastings), modelos de mezclas (idealmente Modelos de Mezclas Gaussianas) y Expectation-Maximization. - Experiencia comprobada en la construcción y despliegue de modelos estadísticos/ML en sistemas de producción, no solo en notebooks de investigación o análisis offline. - Dominio de Python (o R) con bibliotecas probabilísticas/estadísticas estándar (ej. PyMC, Stan, scikit-learn, NumPy/SciPy) para el desarrollo y validación de modelos. - Capacidad para traducir modelos estadísticos/matemáticos a arquitectura de producción orientada a servicios — definiendo APIs y contratos de datos y trabajando directamente con ingenieros de backend para integrarlos. - Sólida comprensión de control de versiones, prácticas de testing y CI/CD, suficiente para colaborar eficazmente con un equipo de ingeniería en la entrega de producción. - Fuertes habilidades de comunicación escrita y verbal, con la capacidad de explicar el comportamiento del modelo, los supuestos y la incertidumbre a partes interesadas no técnicas. Calificaciones Preferidas: - Experiencia en dominios de e-commerce o retail, particularmente optimización de precios, segmentación de clientes o pronóstico de demanda. - Experiencia en la integración de modelos de ML con arquitecturas de microservicios (REST/GraphQL) y sistemas orientados a eventos (ej. colas de mensajes/pub-sub), y despliegue en infraestructura cloud. - Familiaridad con ecosistemas de servicios backend comunes (ej. .NET, Java o Node.js) — incluso si el modelado en sí se realiza en Python — para una entrega más fluida al equipo de ingeniería de producción. - Experiencia con herramientas de MLOps como registros de modelos, monitoreo y feature stores. - Antecedentes en ciencia de precios, sistemas de recomendación o analítica de marketing. Nuestros Beneficios: - Horario flexible y Trabajo desde cualquier lugar. - Programa de referidos. - Ambiente de apoyo y relajado. Aceptamos postulaciones de países de LATAM.
Responsabilidades
- Diseñar, validar y producir modelos probabilísticos.
- Traducir modelos estadísticos a arquitectura de producción orientada a servicios.
- Construir modelos de cadenas de Markov y HMM.
- Aplicar métodos MCMC.
- Desarrollar modelos de mezcla.
- Implementar Expectation-Maximization.
- Definir APIs, contratos de datos y puntos de integración.
- Definir el ciclo de vida del modelo (entrenamiento, validación, monitoreo, reentrenamiento).
- Colaborar en la hoja de ruta del producto.
- Documentar supuestos, metodología y resultados.
Habilidades
Modelado estadísticoMachine learningEstadística bayesianaInferencia bayesianaCadenas de MarkovModelos ocultos de MarkovMétodos MCMCMuestreo Metropolis-HastingsModelos de mezclaModelos de mezcla gaussianosExpectation-MaximizationDespliegue de modelos en producciónAPIsContratos de datosControl de versionesPrácticas de testingCI/CDComunicación con stakeholders no técnicosComunicación escrita y oralColaboración
Beneficios
- Horario flexible
- Work From Anywhere
- Programa de referidos
- Ambiente de trabajo positivo
Trabajos similares
Más ofertas de Software Mind
Más empleos de Tecnología y Sistemas en Buenos Aires
Explorar empleos relacionados
¿Te interesa empleos en Buenos Aires? Te avisamos por mail.