Convierte datasets empresariales masivos en activos listos para entrenamiento y resultados de negocio medibles con LDMs.
Sobre NeoSpace
NeoSpace es una startup innovadora que está moldeando el futuro de la tecnología con soluciones de inteligencia artificial de vanguardia. Desarrollamos modelos de IA especializados para optimizar procesos y transformar la experiencia de nuestros clientes. Nuestro objetivo es simplificar la vida de las personas y aumentar la eficiencia de las empresas, creando productos y servicios más inteligentes y accesibles.
Qué buscamos
El Científico/a de Datos será responsable de desarrollar soluciones analíticas que respalden decisiones estratégicas, desde la formulación de hipótesis y la exploración de datos hasta la construcción, validación e implementación de modelos predictivos y análisis avanzados. Trabajará en estrecha colaboración con squads multidisciplinarios, contribuyendo a elevar la madurez analítica de la organización.
Responsabilidades
- Realizar análisis exploratorios complejos e identificar patrones, anomalías y oportunidades de negocio.
- Desarrollar, validar y monitorear modelos estadísticos y de machine learning orientados a la predicción, clasificación, recomendación u optimización.
- Estructurar, transformar y preparar datos provenientes de múltiples fuentes, garantizando calidad, consistencia y gobernanza.
- Construir pipelines de datos y de modelado, promoviendo escalabilidad y reproducibilidad.
- Colaborar con los equipos de ingeniería de datos, producto y negocio para definir requisitos, métricas de éxito e integraciones de modelos.
- Diseñar experimentos (A/B tests, pruebas multivariadas) y análisis de impacto.
- Documentar metodologías, procesos y métricas, garantizando claridad y trazabilidad de las soluciones.
- Comunicar insights de forma objetiva, utilizando visualizaciones y narrativas orientadas a stakeholders técnicos y no técnicos.
Requisitos
- Experiencia sólida en Python o R para análisis y modelado.
- Dominio de bibliotecas científicas y de machine learning (pandas, NumPy, scikit-learn, statsmodels, etc.).
- Experiencia con modelado estadístico, regresión, clasificación, series temporales y técnicas de validación.
- Conocimientos de SQL para realizar consultas eficientes en bases de datos relacionales.
- Experiencia con control de versiones (Git) y buenas prácticas de desarrollo.
- Familiaridad con entornos de computación distribuida o en la nube (AWS, GCP, Azure).
- Conocimiento en visualización de datos (Matplotlib, Seaborn, Plotly, Power BI o similares).
- Capacidad analítica y pensamiento crítico.
- Proactividad para explorar hipótesis y proponer soluciones.
- Claridad en la comunicación oral y escrita.
- Colaboración con equipos multidisciplinarios.
- Orientación a resultados y foco en el valor de negocio.
- Adaptabilidad en entornos ágiles y dinámicos.
Deseable
- Experiencia con deep learning (PyTorch, TensorFlow).
- Experiencia con MLOps (MLflow, Kubeflow, SageMaker, Vertex AI).
- Conocimiento de arquitecturas de datos modernas (Delta Lake, Lakehouse, Spark).
- Experiencia con despliegue de modelos en producción (APIs, contenedores, CI/CD).
- Prácticas de experimentación estadística avanzada (causal inference, bayesian modeling).
- Conocimiento del negocio específico del sector de la empresa.
Formación
- Título universitario en Ciencia de Datos, Estadística, Matemática, Ciencias de la Computación, Ingeniería o áreas afines.
- Posgrado, maestría, doctorado o certificaciones en Inteligencia Artificial y Data Science se consideran un plus.