Machine Learning Engineer

Buscamos un/aData Scientist / ML Engineercon sólida experiencia en IA tradicional para incorporarse a un equipo de datos en expansión. La persona seleccionada será responsable dediseñar, entrenar y poner en producciónmodelos predictivos orientados apricing dinámico, personalización de oferta y forecast de demanda en entornos retail de alto volumen.El rol requieredominio 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:?Diseñoyentrenamientodemodelos de regresiónparaforecast de demandayelasticidad de precio.? Desarrollo declasificadores(churn, propensión a compra, detección de anomalías en stock).? Construcción desistemas de recomendación(collaborative filtering, content-based, híbridos) para personalización de oferta SKU-cliente.? Gestión delciclo de vida de modelos: versionado, retraining periódico y monitorización de drift.? Integración enpipelines de CI/CD(GitHub Actions, GitLab CI o similar): testing, validación automática y promoción a producción.? Monitorización demétricas de negocioymétricas técnicas(RMSE, AUC, precision@k) post-despliegue.? Traducción derequisitos de negocio(pricing managers, category managers) en problemas formales de ML.?Documentación clarade metodología, decisiones de modelado y resultados para audiencias técnicas y no técnicas.? Participación encode reviewsy en la definición de estándares del equipo de datos.?Requisitos imprescindibles:?5+ años de experienciaen roles de Data Science o ML en entornos productivos.? Dominio dePython 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 conherramientas de tracking de experimentos: MLflow, W&B o similar.? Capacidad de comunicar resultados de modelos a stakeholders no técnicos?Valorables:? Experiencia enretail,travel,e-commerceoindustrias con pricing dinámico.? Conocimiento deframeworks de orquestación de datos(Airflow, Prefect).? Familiaridad con plataformascloud: GCP (BigQuery, Vertex AI), AWS (SageMaker) o Azure ML.? Experiencia confeature stores(Feast, Tecton) o arquitecturas de datos entiempo real(Kafka, Flink).? Conocimientos deA/B testingyexperimentación onlinepara validación de modelos en producción.

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, precision@k) 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, 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). ? Conocimientos de A/B testing y experimentación online para validación de modelos en producción.