Directo de la empresahace 17 horas
Data Scientist
Software Mind
Buenos Aires, Buenos AiresRemoto · Por proyecto · Senior
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 estadístico para plataforma de e-commerce. Se requiere diseño, validación y producción de modelos bayesianos, cadenas de Markov y MCMC.
Por qué aplicar
Si te apasiona la IA probabilística y el ML estadístico, este puesto remoto en Software Mind es para vos. Podrás diseñar y poner en producción modelos bayesianos y de cadenas de Markov para una plataforma de e-commerce. Ideal para quienes buscan aplicar técnicas avanzadas en un entorno desafiante.
Descripción del puesto
Buscamos un Científico de Datos con profunda experiencia en IA probabilística y machine learning 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 ML supervisado estándar. Este rol es responsable de diseñar, validar y productizar modelos probabilísticos, y de trabajar estrechamente con la ingeniería backend para traducir esos modelos en 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 (HMM): Construir formulaciones de cadenas de Markov y HMM para patrones secuenciales y de comportamiento (ej. etapas del ciclo de vida del cliente, transiciones de estado), produciendo outputs que los servicios downstream puedan consumir. - Muestreo MCMC y Metropolis-Hastings: Aplicar métodos de Monte Carlo de Cadena de Markov, incluyendo muestreo Metropolis-Hastings, para estimar distribuciones posteriores para modelos sin soluciones de forma cerrada, y validar la convergencia y la calidad del muestreo. - Modelado de mezclas: Desarrollar modelos de mezclas — Modelos de Mezcla Gaussiana en particular — para dar soporte a casos de uso de segmentación, identificando agrupaciones latentes de clientes o productos a partir de datos transaccionales y de comportamiento. - Expectation-Maximization (EM): Implementar EM 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 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 de entrega clara 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. - Sólido background demostrable en estadística bayesiana/inferencia bayesiana, cadenas de Markov, HMM, métodos MCMC (incluyendo muestreo Metropolis-Hastings), modelos de mezclas (idealmente Modelos de Mezcla Gaussiana) 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 librerías estadísticas/probabilísticas estándar (ej. PyMC, Stan, scikit-learn, NumPy/SciPy) para 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 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, supuestos e incertidumbre a stakeholders no técnicos. Calificaciones Preferidas: - Experiencia en dominios de e-commerce o retail, particularmente optimización de precios, segmentación de clientes o pronóstico de demanda. - Experiencia integrando modelos de ML con arquitecturas de microservicios (REST/GraphQL) y sistemas orientados a eventos (ej. colas de mensajes/pub-sub), y desplegando en infraestructura cloud. - Familiaridad con ecosistemas comunes de servicios backend (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. - Background en pricing science, sistemas de recomendación o analítica de marketing. Nuestros Beneficios: - Horario flexible y Trabajo desde cualquier lugar (Work From Anywhere). - Programa de referidos. - Ambiente de apoyo y relajado. Aceptamos aplicaciones de países de LATAM.
Responsabilidades
- Diseñar, validar y producir modelos estadísticos bayesianos.
- Construir modelos de cadenas de Markov y HMM.
- Aplicar métodos MCMC y Metropolis-Hastings.
- Desarrollar modelos de mezcla (GMM).
- Implementar Expectation-Maximization.
- Traducir modelos estadísticos a arquitectura de producción.
- Definir el ciclo de vida de los modelos.
- Colaborar en el roadmap de iniciativas de modelado.
- Documentar metodologías y resultados.
- Realizar hand-off claros al equipo de ingeniería.
Habilidades
ComunicaciónModelado estadísticoInferencia bayesianaCadenas de MarkovModelos ocultos de MarkovMuestreo MCMCMuestreo Metropolis-HastingsModelos de mezclaModelos de mezcla gaussianosExpectation-MaximizationDespliegue de modelos en producciónGestión del ciclo de vida de modelosColaboración en roadmapDocumentación técnicaHabilidades de comunicación escrita y verbalComunicaciónColaboraciónResolución de problemas
Beneficios
- Horario flexible
- Trabajo remoto
- Programa de referidos
- Ambiente de trabajo positivo
Trabajos similares
Más ofertas de Software Mind
Más empleos de Tecnología y Sistemas en Buenos Aires
Grupo Techint · Buenos Aires
Presencialhace 14 horas
Explorar empleos relacionados
¿Te interesa empleos en Buenos Aires? Te avisamos por mail.