Data Scientist

Azumo construye y opera sistemas de IA en producción para empresas que van desde startups en etapa inicial hasta Meta. Estamos contratando un Científico de Datos para que se encargue de la parte que viene antes de que exista el sistema: qué pregunta se está haciendo realmente, qué método la responde, si la respuesta se sostiene y cómo alguien lo sabría.

El puesto es completamente remoto en toda Latinoamérica, alineado al horario de trabajo de tu cliente. No se te entregará una especificación. Azumo envía modelos a producción desde 2016, y el trabajo aquí comienza con un cliente que sabe qué le molesta y aún no sabe qué medir. Convertir eso en un modelo, una línea de base y un número sobre el cual alguien pueda actuar es el trabajo.

Dónde encaja este rol

La organización de ingeniería de Azumo está construida alrededor de cuatro carriles:

• El carril de Ingeniero de Datos se encarga de los pipelines, el almacenamiento y la capa de recuperación.
• El carril de Ingeniero de IA se encarga del comportamiento en producción.
• El carril de Ingeniero de Software se encarga de la entrega de productos aumentados por IA.
• Este rol es el carril de Científico de Datos, y se encarga de la pregunta y el método. Una pregunta marca el límite: cuando el resultado es incorrecto, ¿de quién es el problema? "El método fue inapropiado, o la pregunta fue la incorrecta" es tuyo. "El sistema hizo lo incorrecto con un método apropiado" es del Ingeniero de IA.

No es exactamente tu perfil? Consulta nuestras otras vacantes:

• Si construyes los pipelines y la capa de recuperación de la que dependen los modelos — Ingeniero de Datos
• Si te encargas de cómo se comporta un sistema de IA en producción — Ingeniero de IA
• Si entregas software de producto con agentes en tu cadena de herramientas — Ingeniero de Software Aumentado por IA
• Si has hecho todo lo anterior y has respondido directamente al cliente — Ingeniero de Despliegue Avanzado

Qué construirás

• La pregunta. Traducir una decisión de negocio en algo medible: qué contaría como éxito, qué logra ya la línea de base y qué sería una mejora útil sobre ella.
• Método y modelo. Métodos supervisados y no supervisados, aprendizaje profundo con CNNs y Transformers en PyTorch, y el juicio para elegir entre ellos, incluyendo los casos en que un modelo más simple o ningún modelo es la respuesta correcta.
• Ajuste fino y adaptación. Adaptar modelos preentrenados y de peso abierto con LoRA, QLoRA o PEFT, y una visión clara de cuándo el ajuste fino es la respuesta incorrecta.
• Medición y diseño experimental. Líneas de base, grupos de control, evaluación offline y online, e informes honestos de la incertidumbre. Si dices que el modelo es mejor, deberías poder decir mejor que qué, por cuánto y cuán seguro estás.
• Análisis de errores y traspaso. Distinguir un problema de datos, un problema de etiquetas, un problema de método y un problema de encuadre, y entregar el modelo empaquetado, documentado y con la métrica que define si todavía está funcionando.
• Trabajar dentro del entorno del cliente. Sus repositorios, sus reuniones diarias (standups), a veces sus llamadas con clientes. Azumo tiene certificación SOC 2, el código del cliente permanece en los repositorios del cliente, y algunos encargos conllevan requisitos adicionales como HIPAA.

Cómo trabajamos

Nuestros ingenieros construyen con IA todos los días. Claude Code, Codex y herramientas similares son parte de la cadena de herramientas estándar aquí, no un experimento. Ejecutamos una auditoría automatizada en todo el código base desde el primer día y todos los días después, calificando la seguridad, el costo y los hallazgos de arquitectura por severidad con el archivo y la línea exactos, para que un equipo pequeño pueda moverse rápido sin que la calidad se degrade. Nos mantenemos neutrales en cuanto a proveedores entre OpenAI, Anthropic y modelos de peso abierto, y ejecutamos Valkyrie, nuestra propia capa de producción, cuando una interfaz única para cualquier modelo es la llamada correcta.

Acerca de Azumo

Azumo es una empresa de desarrollo de software con sede en San Francisco que ha estado construyendo aplicaciones inteligentes desde 2016. Proporcionamos equipos de ingeniería de IA nearshore a organizaciones que necesitan IA en producción más rápido de lo que pueden contratar: como un equipo de ingeniería integrado, como aumento de personal de IA junto a un equipo existente, o como una construcción de proyecto completa. Nuestros ingenieros trabajan desde Latinoamérica, alineados con las zonas horarias de Estados Unidos, y han entregado para Twitter, Meta, Discovery Channel, Omnicom, UnitedHealth y CENTEGIX. Contratamos por antigüedad y la probamos antes de que alguien se una a un equipo de cliente. Apoyamos a los ingenieros para que profundicen en el stack moderno de IA, y devolvemos tiempo para trabajo de código abierto, enseñanza comunitaria y filantropía.

Postulate en https://azumo.com/join-our-team o escríbenos a [email protected].

Requisitos básicos

• Más de 5 años construyendo y validando modelos contra decisiones reales, con Python como tu lenguaje principal, además de los fundamentos de ingeniería que lo acompañan: testing, revisión de código, Git, contenedores y control de versiones para datos y experimentos.
• Profundidad en machine learning y deep learning: métodos supervisados y no supervisados, CNNs y Transformers, con experiencia práctica en PyTorch o un framework equivalente, incluyendo entrenamiento, módulos personalizados y optimización.
• Dominio experto de pandas, NumPy y scikit-learn.
• Sólida base en estadística y diseño experimental: líneas de base, grupos de control, significancia y la capacidad de indicar cuán seguro estás y por qué.
• Ajuste fino o adaptación de modelos preentrenados, y una visión clara de cuándo el ajuste fino es la respuesta incorrecta.
• Análisis de errores como disciplina. Puedes separar un problema de datos de un problema de etiquetas, un problema de método y un problema de encuadre, en lugar de recurrir a un modelo más grande.
• Experiencia en la nube con AWS, GCP o Azure y sus servicios de IA como Amazon SageMaker, Google Vertex AI o Azure Machine Learning.
• Uso activo de herramientas de codificación asistida por IA como Claude Code, Cursor o GitHub Copilot en trabajo de entrega real.
• Inglés escrito y hablado claro, nivel C1 o superior, y la confianza para explicar un trade-off técnico directamente a un cliente.
• Título de Grado o Maestría en Ciencias de la Computación, Ciencia de Datos o un campo relacionado, o experiencia profesional equivalente.

Requisitos preferidos

• Evaluación de sistemas LLM: diseño de conjuntos de prueba, modelo-como-juez o puntuación equivalente, y selección de benchmarks que puedas defender.
• Ajuste fino y adaptación de modelos de peso abierto en profundidad: LoRA, QLoRA, PEFT, y los trade-offs de costo y latencia involucrados.
• Trabajo multimodal que cubra visión, habla o comprensión de documentos junto con texto.
• Inferencia causal, modelado de elevación (uplift modeling) o pronóstico a escala.
• Seguimiento de experimentos y herramientas MLOps: MLflow, Weights & Biases, Kubeflow o similar.
• Entrega bajo un régimen de cumplimiento como SOC 2 o HIPAA.
• Contribuciones a bibliotecas de IA de código abierto, investigación publicada o escritura técnica, o participación activa en la comunidad de IA.

Beneficios

• Días de vacaciones pagas (PTO)
• Días festivos de EE. UU.
• Capacitación en IA
• Desarrollo profesional con mentoría
• Reparto de utilidades
• Remuneración en USD