Resumen: Buscamos un Ingeniero de Ciencia de Datos para diseñar, construir e implementar soluciones de aprendizaje automático en producción para una plataforma empresarial de escalonamiento y optimización de flotas, asumiendo la responsabilidad del ciclo de vida completo del aprendizaje automático. Aspectos destacados: 1. Diseño, construcción e implementación de soluciones de aprendizaje automático en producción 2. Gestión del ciclo de vida completo del aprendizaje automático, desde la experimentación hasta la implementación 3. Enfoque en la explicabilidad y el impacto empresarial de los modelos de aprendizaje automático 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 escalonamiento y optimización de flotas que gestiona más de 46 000 vehículos en más de 545 ubicaciones. En este puesto, desarrollará e industrializará modelos de previsión de demanda, optimización de escalonamiento, inteligencia contractual (PLN/Visión) y predicción de desviaciones fuera de especificación, con especial énfasis en la explicabilidad y el impacto empresarial. Asumirá la responsabilidad del ciclo de vida completo del aprendizaje automático —desde la experimentación y el desarrollo de modelos hasta su implementación escalable en producción en AWS— colaborando estrechamente con equipos de ingeniería y partes interesadas empresariales para ofrecer resultados confiables basados en datos. Requisitos imprescindibles * Programación y frameworks 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 (PLIM) mediante herramientas como PuLP y OR-Tools; satisfacción de restricciones; optimización de flujo de coste mínimo * Pila de aprendizaje automático de AWS: Amazon SageMaker (trabajos de entrenamiento, puntos finales, Monitor de modelos, Clarify, Almacén 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 de «campeón/retador»; detección de deriva de modelos y de datos Responsabilidades principales * Construcción de modelos de previsión de demanda (XGBoost, BSTS, Transformador de Fusión Temporal) con reconciliación jerárquica en más de 545 ubicaciones * Desarrollo de optimización de escalonamiento mediante solvers de PLIM/flujo de coste mínimo (PuLP, OR-Tools, Gurobi) y pipelines híbridos de ML + optimización * Implementación de una canalización de inteligencia documental: Textract + LayoutLMv3 para extracción de documentos, RAG con Bedrock (Claude) para razonamiento semántico * Implementación de modelos en SageMaker con MLOps (Monitor de modelos, Almacén de características, Pipelines); implementación de explicabilidad mediante SHAP/LIME Modelos que desarrollará * Previsión de demanda: modelos basados en gradient boosting (XGBoost), series temporales estructurales bayesianas (BSTS) y transformadores de fusión temporal (TFT), incluida la reconciliación jerárquica * Optimización de escalonamiento: modelos de programación lineal entera mixta (PLIM) y 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 lenguaje y visión * Supervivencia y predicción de desviaciones fuera de especificación: estimadores de Kaplan–Meier, modelos de riesgos proporcionales de Cox y técnicas XGBoost-Survival Qué 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 físicas, aficiones, cuidado de mascotas, entre otros * 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 en 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 adherimos a 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