Estamos buscando una persona para incorporarse a un proyecto avanzado basado en inteligencia artificial, donde la calidad del dato, la validación externa y el rigor estadístico son centrales.

Lea atentamente toda la información sobre esta posibilidad y luego utilice el botón de solicitud de abajo para enviar su CV y su candidatura.

Buscamos a una persona capaz de preguntarse si una mejora es realmente válida, si los datos permiten sostener una conclusión y si una predicción resiste el contraste con evidencia real.

La misión será asegurar que modelos, simulaciones y predicciones se validan de forma honesta, trazable y robusta, evitando sobreajustes, métricas engañosas o evaluaciones puramente internas.

-

- Diseñar procesos de ingesta, limpieza y transformación de microdatos.

- Trabajar con fuentes estadísticas, encuestas y datos públicos.

- Definir variables canónicas, reglas de calidad y criterios de trazabilidad.

- Diseñar esquemas de calibración, validación, holdout y evaluación externa.

- Analizar drift, cobertura de intervalos,



distancias entre distribuciones y robustez de resultados.

- Supervisar propuestas generadas por sistemas de IA, aceptando o rechazando cambios con criterio humano.

- Documentar decisiones metodológicas, limitaciones y evidencias.

Buscamos una persona con:

-

- Experiencia sólida en estadística aplicada a datos sociales, encuestas o microdatos.

- Conocimiento de muestreo, ponderación, calibración e intervalos de confianza.

- Dominio práctico de Python y pandas.

- Capacidad para trabajar con datos complejos, recodificación de variables y trazabilidad.

- Mentalidad crítica frente a la optimización ciega de métricas. xhfqzwm

- Criterio para decir: “esto todavía no se puede validar”.

- Se valorará experiencia con fuentes estadísticas públicas, investigación social, análisis demoscópico, tratamiento responsable de datos y nociones de LLMs o sistemas asistidos por IA.

#J-18808-Ljbffr

📌 Científico/A De Datos Y Validación Metodológica (Madrid)
🏢 Empresa Confidencial
📍 Madrid