Data Scientist

Descrizione del lavoro:

Objetivo del cargo
Responsable del desarrollo, despliegue y transferencia de modelos analíticos y pipelines que sustentan los objetivos del
proyecto, asegurando la generación de valor para los stakeholders.
Alcances / responsabilidades
* Consolidar datos, pipelines y modelos del proyecto.
* Construir, ajustar y desplegar productos analíticos a producción.
* Ejecutar pilotajes y análisis avanzados para validar lo desarrollado y generar valor a los stakeholders.
* Documentar y ejecutar la transferencia de los desarrollos a continuidad operacional
Requisitos mínimos (obligatorios)
* Mínimo 3 años de experiencia práctica en modelamiento y análisis avanzados.
* Dominio de Databricks, SQL y Python.
* Construcción de modelos predictivos / Machine Learning (Redes Neuronales, Random Forest, anomaly detection,
series de tiempo).
* Soluciones end-to-end (datos → modelo → consumo) y visualización de resultados (Power BI, Plotly / Dash o
equivalente).
* Buenas prácticas de ingeniería de software y control de versiones con Git (ramas, pull requests, code review);
trabajo bajo metodologías ágiles (Azure DevOps).
Experiencia en minería (altamente valorada)
* Experiencia comprobable en la industria minera y sus procesos (Mina, Concentradora, Hidrometalurgia, Flotación o
procesos asociados) - altamente valorada por el cliente.
* Idealmente sobre datos operacionales reales de proceso minero.
Certificaciones (deseables)
* Databricks Machine Learning (Associate) o certificaciones Azure de ciencia de datos / ML.
* Formación de postgrado en Ciencia de Datos o áreas afines.
Gestión de proyectos, personas y comunicación
* Gestión del tiempo: cumple los plazos de sus modelos y análisis con autonomía.
* Gestión de requerimientos: traduce necesidades de negocio en soluciones analíticas con apoyo del líder.
* Gestión de personas / equipo: coordina eficazmente con expertos de proceso y el equipo técnico.
* Comunicación: explica resultados de modelos de forma clara a usuarios y contrapartes.
Requisitos deseables (diferenciadores)
* Prácticas de MLOps: versionamiento y registro de modelos (MLflow), reproducibilidad y monitoreo del desempeño.
* Trazabilidad de material; operaciones de mina y planta.
* Hidrometalurgia, lixiviación o procesos asociados a SX-EW.
* Unity Catalog, Delta Lake, Databricks Asset Bundles (DAB) y PySpark.
Formación académica
Título profesional en Ingeniería, Estadística o carrera afín. Deseable formación de postgrado en Ciencia de Datos