Responsabilidades

🤓 Como Data Science la empresa espera que realices las siguientes tareas:

Implementar modelos de detección (rostros, dorsales, logos, prendas, vehículos, objetos específicos).
Optimizar y desplegar modelos (quantization, TensorRT, ONNX).
Desarrollar y mantener pipelines de embeddings multimodales para búsqueda y ranking.
Asegurar performance: latencias p95 <900ms, costos controlados, eficiencia GPU/CPU.
Construcción de pipelines ETL/ELT (batch y streaming).
Manejo y estructura de data lakes (S3 + Iceberg/Delta).
Integración y saneamiento de datasets masivos (millones de imágenes y metadatos).
Implementación de data quality, validaciones y documentación.
Construcción de datasets para modelos de Deep Learning, conocimiento sobre recolección de data no estructurada, ya sea por medio de scraping o apis.
Ciclo completo de modelos: versionamiento, testing, CI/CD, monitoreo de drift.
Construcción de pipelines reproducibles (SageMaker/MLflow/BentoML).
Orquestación de workflows (Airflow/Prefect/Step Functions).
Logging, tracing y observabilidad end-to-end.
Construcción de microservicios (Python/Go + FastAPI/gRPC).
Integración con APIs internas y externas (upload, indexing, retrieval, analytics).

Requisitos

✨ Eres la persona que buscan si tienes...

3–6 años construyendo sistemas de ML, CV o data engineering en producción.
Experiencia con modelos CNN/Transformers para detección, clasificación y embeddings.
Desarrollo de pipelines escalables en cloud (ideal AWS).
Experiencia en APIs y microservicios (FastAPI, Flask, Node, Go).
Experiencia práctica con MLOps: MLflow, SageMaker, Docker, CI/CD.
Experiencia con bases de datos y data lakes (S3, Redshift/BigQuery, Iceberg/Delta).
Capacidad de resolver problemas complejos con claridad y rapidez.
Altos estándares técnicos y obsesión por la calidad.
Orden, documentación y pensamiento sistemático.
Mentalidad de “owner”: cuida costos, velocidad y estabilidad del sistema.
Excelentes habilidades de colaboración con producto, diseño y negocio.
Experiencia previa en detección de rostros, personas o marcas.
Experiencia con sistemas de recomendación o ranking.
Experiencia con motores vectoriales (FAISS, Milvus, pgvector).
Participación en hackathons, papers o repositorios avanzados de código.
Experiencia en optimización de pipelines de visión para entornos de alto volumen.