Resumen: Buscamos un Ingeniero de Ciencia de Datos para diseñar, construir e implementar soluciones de aprendizaje automático en producción, gestionando todo el ciclo de vida del aprendizaje automático (ML) de extremo a extremo, desde la experimentación hasta la implementación escalable en AWS. Principales características: 1. Diseñar, construir e implementar soluciones de aprendizaje automático en producción 2. Gestionar todo el ciclo de vida del aprendizaje automático (ML) de extremo a extremo 3. Centrarse en la explicabilidad y el impacto empresarial Buscamos un Ingeniero de Ciencia de Datos con experiencia para diseñar, construir e implementar soluciones de aprendizaje automático en producción para una plataforma empresarial de optimización y cascada de flotas que gestiona más de 46 000 vehículos en más de 545 ubicaciones. En este puesto, desarrollará e industrializará modelos de previsión de la demanda, optimización de la cascada, inteligencia contractual (PLN/Visión) y predicción de desviaciones fuera de especificación, con un fuerte énfasis en la explicabilidad y el impacto empresarial. Usted gestionará todo el ciclo de vida del aprendizaje automático (ML) —desde la experimentación y el desarrollo de modelos hasta su implementación escalable en producción en AWS— colaborando estrechamente con los equipos de ingeniería y las partes interesadas empresariales para entregar resultados fiables basados en datos. Requisitos obligatorios * Programación y marcos de aprendizaje automático: Python; PyTorch o TensorFlow; scikit-learn; XGBoost o LightGBM; pandas; NumPy * Series temporales y previsión: BSTS; Prophet; Transformador de Fusión Temporal (TFT); previsión jerárquica con reconciliación MinT * Optimización: Programación lineal y programación lineal entera mixta (MILP), mediante herramientas como PuLP y OR-Tools; satisfacción de restricciones; optimización de flujo de coste mínimo * Pila de ML de AWS: Amazon SageMaker (trabajos de entrenamiento, puntos finales, Monitor de modelos, Clarify, Tienda de características, Pipelines) Deseable * PLN e IA de documentos: Amazon Textract; LayoutLMv3; pipelines de generación aumentada por recuperación (RAG); Amazon Bedrock (Claude); bases de datos vectoriales OpenSearch * Aprendizaje automático avanzado: Redes neuronales gráficas (GNN); aprendizaje por refuerzo profundo; análisis de supervivencia (modelos de riesgos proporcionales de Cox, XGBoost-Survival); modelos basados en mecanismos de atención * Explicabilidad y MLOps: SHAP, LIME, Captum; MLflow; pruebas A/B; marcos campeón/desafiante; detección de desviaciones en modelos y datos Responsabilidades fundamentales * Construir modelos de previsión de la demanda (XGBoost, BSTS, Transformador de Fusión Temporal) con reconciliación jerárquica en más de 545 ubicaciones * Desarrollar optimización de la cascada mediante solvers MILP/flujo de coste mínimo (PuLP, OR-Tools, Gurobi) y pipelines híbridos de ML + optimización * Implementar un pipeline de inteligencia documental: Textract + LayoutLMv3 para extracción de documentos, RAG con Bedrock (Claude) para razonamiento semántico * Implementar modelos en SageMaker con MLOps (Monitor de modelos, Tienda de características, Pipelines); implementar explicabilidad mediante SHAP/LIME Modelos que construirá * Previsión de la demanda: modelos de aumento por gradiente (XGBoost), series temporales estructurales bayesianas (BSTS) y transformadores de fusión temporal (TFT), incluida la reconciliación jerárquica * Optimización de la cascada: programación lineal entera mixta (MILP) y modelos de flujo de coste mínimo, evolucionando hacia enfoques híbridos de ML + solver y soluciones avanzadas basadas en redes neuronales gráficas (GNN) y aprendizaje por refuerzo profundo (DRL) * Inteligencia documental: extracción automatizada de documentos mediante Amazon Textract y LayoutLMv3, avanzando hacia pipelines de generación aumentada por recuperación (RAG) con Amazon Bedrock y modelos de visión-lenguaje * Supervivencia y predicción de desviaciones fuera de especificación: estimadores de Kaplan-Meier, modelos de riesgos proporcionales de Cox y técnicas XGBoost-Survival Lo que ofrecemos * Oportunidades continuas de aprendizaje y crecimiento profesional * Formación profesional y clases de inglés/español * Seguro médico integral * Apoyo a la salud mental * Programa especializado de beneficios con compensación para actividades deportivas, aficiones, cuidado de mascotas, etc. * Horario laboral flexible * Cultura inclusiva y de apoyo Sobre nosotros Fundada en 2011, Trinetix es un proveedor dinámico de servicios tecnológicos que apoya a clientes empresariales de todo el mundo. Con sede central en Nashville, Tennessee, contamos con un equipo global de más de 1 000 profesionales y centros de entrega en Europa, Estados Unidos y Argentina. Colaboramos con importantes marcas globales, ofreciendo soluciones digitales innovadoras en los sectores de fintech, servicios profesionales, logística, salud y agricultura. Nuestras operaciones se sustentan en una sólida visión empresarial, una cultura centrada en las personas y un compromiso con un crecimiento responsable. Contribuimos activamente a la comunidad mediante diversas actividades de responsabilidad social corporativa (RSC) y cumplimos con los principios internacionales de desarrollo sostenible y ética empresarial. Para conocer más sobre cómo recopilamos, procesamos y almacenamos sus datos personales, consulte nuestra Nota de Privacidad: https://www.trinetix.com/corporate-policies/privacy-notice