Machine Learning Engineer

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., * 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.

• 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, * 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).

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