Staff Data Scientist

Robots & Pencils es una empresa de ingeniería de IA aplicada que construye la próxima frontera de la arquitectura empresarial. Diseñamos y lanzamos co-trabajadores de IA que se integran en operaciones empresariales y entregan resultados medibles para nuestros clientes. Estamos completamente comprometidos con AWS, combinando una profunda capacidad de UX con talento de ingeniería senior para llevar la IA a producción rápidamente y mantenerla allí.

Hemos ganado la confianza de líderes en sectores como Productos de Consumo y Retail, Educación, Energía, Servicios Financieros, Salud y Manufactura, entre otros, y nos hemos ganado una reputación como la alternativa ágil a los integradores globales tradicionales. Fundada en 2009, con centros de entrega en Canadá, Estados Unidos, Europa del Este y América Latina, somos más pequeños, más rápidos y más senior por diseño. Nuestros equipos tienen en promedio más de 15 años de experiencia. Nos movemos rápido, nos preocupamos por los detalles y construimos cosas que realmente se lanzan.

Visión general del puesto

Como Científico de Datos Senior, serás responsable del trabajo de modelado detrás de nuestros problemas más complejos de IA y aprendizaje automático: formular preguntas empresariales ambiguas, construir y validar modelos, y llevarlos a producción. Aportas un profundo rigor en ML aplicado y estadística, el juicio de ingeniería para lanzar a escala, y la credibilidad para explicarlo todo ante un salón de ejecutivos.

Trabajarás junto a científicos, ingenieros de datos, desarrolladores y socios de producto en proyectos con clientes, con autonomía real sobre la dirección técnica. Estableces el estándar de rigor científico, mentorizas a científicos de datos juniors, y te desenvuelves donde el problema es ambiguo, los datos son caóticos y la respuesta debe funcionar en producción.

Por qué importa este puesto

Los Científicos de Datos Senior son quienes respaldan con evidencia la promesa de Robots & Pencils de "IA lista para producción en 30 a 45 días". En los proyectos que lideras, decides qué enfoque vale la pena construir, cómo se mide el éxito y si un modelo está listo para usuarios reales. El trabajo avanza solo tan rápido como alguien esté dispuesto a asumir la ciencia, probar la hipótesis y lanzar el resultado.

Qué harás

• Diseñar, construir y evaluar modelos predictivos y prescriptivos en dominios como comportamiento del cliente, eficiencia operativa y personalización.
• Aplicar técnicas de aprendizaje automático, aprendizaje profundo y estadística para resolver desafíos empresariales reales.
• Liderar proyectos de ML y GenAI de extremo a extremo, con alto grado de ambigüedad, escala y complejidad, desde la prueba de concepto hasta producción.
• Construir, optimizar y desplegar modelos en producción, trabajando con científicos e ingenieros de software para entregar soluciones duraderas.
• Establecer procesos escalables y automatizados para análisis de datos a gran escala, desarrollo, validación y servicio de modelos.
• Realizar experimentos A/B y multivariados, y aplicar inferencia causal para validar hipótesis y medir impacto.

Colaboración y comunicación

• Analizar conjuntos de datos grandes y complejos y traducir tus hallazgos en recomendaciones estratégicas claras.
• Explicar metodologías científicas y resultados a audiencias técnicas y no técnicas, usando visualizaciones de datos que transmitan el mensaje.
• Trabajar con gerentes de producto y stakeholders empresariales para identificar oportunidades y formular soluciones de ciencia de datos.
• Colaborar estrechamente con ingenieros de datos, analistas y desarrolladores de software para construir aplicaciones escalables impulsadas por datos.

Liderazgo e influencia

• Actuar como practicante técnico en IA/ML, liderando esfuerzos dentro de tu equipo y entre otros equipos.
• Investigar nuevas y innovadoras aproximaciones científicas e incorporar las mejores en el trabajo con clientes.
• Mentorizar a científicos de datos juniors, apoyando su desarrollo técnico y rigor científico.
• Construir activos, herramientas y procesos reutilizables que aumenten la velocidad e impacto del equipo.

Qué aportas

• 5+ años de experiencia profesional en ciencia de datos, estadística y aprendizaje automático aplicado, incluyendo 3+ años construyendo modelos para aplicaciones empresariales.
• Doctorado, o Maestría con 4+ años de experiencia, en Ciencias de la Computación, Ingeniería Informática, Aprendizaje Automático, Estadística, Matemáticas, Ingeniería o un campo cuantitativo relacionado.
• Proficiencia avanzada en Python o R, con sólidas habilidades en bibliotecas como scikit-learn y TensorFlow/PyTorch, y fluidez en modelos, algoritmos y ontologías.
• Experiencia programando en Java, C++ o un lenguaje relacionado.
• Historial comprobado en modelado estadístico, pronóstico de series temporales, NLP u optimización.
• Experiencia en uno o más de: algoritmos y estructuras de datos, parsing, optimización numérica, minería de datos, cómputo paralelo y distribuido, o cómputo de alto rendimiento.
• Experiencia diseñando y analizando experimentos controlados (por ejemplo, pruebas A/B, modelado de uplift).
• Éxito demostrado en el despliegue de modelos en producción mediante APIs, pipelines o frameworks de ML.
• Experiencia práctica con Databricks, AWS (SageMaker) y Snowflake.
• Experiencia construyendo y desplegando arquitecturas Data Mesh.

Extras útiles y habilidades únicas

• Experiencia con Palantir.
• Certificaciones en la nube AWS o credenciales especializadas en ML.

Te irá bien aquí si eres

• Un hacedor. Ves algo roto y lo arreglas. Prefieres avanzar con claridad a esperar certeza.
• Un aprendiz rápido que sabe que no lo sabes todo. El panorama de la IA cambia semanalmente. Eres senior suficiente como para saberlo mejor, y curioso suficiente como para seguir aprendiendo igual.
• Directo de forma que mejore el trabajo. Das retroalimentación honesta. Prefieres tener la conversación difícil que dar vueltas.
• Obsesionado con la técnica. Sabes que el genio está en los detalles. Lanzas cosas excepcionales, no perfectas, y no pones tu nombre en trabajo que no respaldarías.
• Hecho para la propiedad. Cumplís con los compromisos, admitís errores rápido y respaldás a tus compañeros cuando una decisión cuesta algo. Sin transferencias, sin culpar.
• Totalmente comprometido. Tratas los negocios de los clientes como si fueran tuyos. Tomás el trabajo en serio sin tomarte a ti mismo en serio.
• Recursoso cuando el presupuesto, el plazo o el equipo son limitados. Las restricciones no te ralentizan; te afilan.
• Tranquilo cuando se calienta la situación. Cuando el alcance, el plazo y los stakeholders tiran en tres direcciones, ralentizás la sala lo suficiente para tomar la decisión correcta. Prefieres plantear el trade-off difícil en la semana dos antes que absorberlo en la semana ocho.
• Contento de estar en la sala con personas que se preocupan tanto como vos. Nuestros equipos tienen en promedio más de 15 años de experiencia. Contratamos a personas que se empujan mutuamente a hacer un mejor trabajo.