Buscamos un/a Data Scientist / ML Engineer con sólida experiencia en IA tradicional para incorporarse a un equipo de datos en expansión. La persona seleccionada será responsable de diseñar, entrenar y poner en producción modelos predictivos orientados a pricing dinámico, personalización de oferta y forecast de demanda en entornos retail de alto volumen.

¿Le gusta esta oportunidad? Asegúrese de inscribirse veloz, ya que se espera un gran volumen de solicitudes. Desplácese hacia abajo para leer la descripción completa del puesto.

El rol requiere dominio del ciclo completo de un modelo: desde el análisis exploratorio y la ingeniería de features hasta el despliegue en producción mediante pipelines de CI/CD, garantizando que los outputs lleguen a los sistemas de negocio en tiempo y forma.

Responsabilidades principales:

● Diseño y entrenamiento de modelos de regresión para forecast de demanda y elasticidad de precio.

● Desarrollo de clasificadores (churn, propensión a compra, detección de anomalías en stock).

● Construcción de sistemas de recomendación (collaborative filtering, content-based, híbridos) para personalización de oferta SKU-cliente.

● Gestión del ciclo de vida de modelos: versionado, retraining periódico y monitorización de drift.

● Integración en pipelines de CI/CD (GitHub Actions, GitLab CI o similar): testing, validación automática y promoción a producción.

● Monitorización de métricas de negocio y métricas técnicas (RMSE, AUC, ) post-despliegue.





● Traducción de requisitos de negocio (pricing managers, category managers) en problemas formales de ML.

● Documentación clara de metodología, decisiones de modelado y resultados para audiencias técnicas y no técnicas.

● Participación en code reviews y en la definición de estándares del equipo de datos.

Requisitos imprescindibles:

● 5+ años de experiencia en roles de Data Science o ML en entornos productivos.

● Dominio de Python científico (pandas, scikit-learn, numpy). SQL avanzado.

● Modelos: Regresión (lineal, Ridge, Lasso, XGBoost/LightGBM), clasificadores (RF, GBM, logística), sistemas de recomendación.

● CI/CD: Conocimiento general de pipelines de integración continua;
experiencia empaquetando modelos con Docker y desplegando vía GitHub Actions, GitLab CI o similar.

● Experiencia con herramientas de tracking de experimentos: MLflow, W&B; o similar.

● Capacidad de comunicar resultados de modelos a stakeholders no técnicos

Valorables:

● Experiencia en retail, travel, e-commerce o industrias con pricing dinámico.

● Conocimiento de frameworks de orquestación de datos (Airflow, Prefect).

● Familiaridad con plataformas cloud: GCP (BigQuery, Vertex AI), AWS (SageMaker) o Azure ML.

● Experiencia con feature stores (Feast, Tecton) o arquitecturas de datos en tiempo real (Kafka, Flink). xqbhyrx

● Conocimientos de A/B testing y experimentación online para validación de modelos en producción.

📌 Machine Learning Engineer (Paradela)
🏢 Capitole
📍 Paradela