Especialista en Datos e IA de Google

A quién buscamos

Una persona curiosa, motivada y con una fuerte mentalidad analítica, capaz de trabajar en equipo y de afrontar nuevos retos con entusiasmo.

Requisitos clave

• Educación: Máster en Ingeniería Informática, Ciencia de Datos, Informática, Estadística, Matemáticas o disciplinas STEM relacionadas.
• Experiencia: Al menos 3 años de experiencia en roles de Data Science o desarrollo de software enfocado en datos.
• Programación: Conocimientos avanzados de Python y experiencia en desarrollo de software en al menos uno de los siguientes lenguajes: Python, Scala, Java o Node.js.
• Base de datos y SQL: Conocimientos avanzados de SQL para la consulta, gestión y modelado de datos tanto en contextos transaccionales como analíticos, incluyendo actividades de ETL.
• IA y Machine Learning: Experiencia demostrada en la aplicación de soluciones de IA (incluida la IA Generativa) y en el desarrollo de modelos de IA avanzados.
• Sólidos conocimientos de conceptos, algoritmos y metodologías de Machine Learning e IA Generativa.
• Experiencia en Context Engineering (Prompt Engineering) para optimizar la integración de modelos de IA (LLMs) en sistemas de software.
• Buen conocimiento de librerías de Python como Pandas, Scikit-learn, TensorFlow o PyTorch.
• Cloud (GCP): Experiencia con Google Cloud Platform, particularmente con Vertex AI (entrenamiento, ajuste fino y despliegue), BigQuery (análisis de datos a gran escala) y BigQuery ML (integración de modelos de IA en flujos de trabajo analíticos).
• Experiencia en el diseño de soluciones de software y en la implementación de algoritmos y estructuras de datos.
• Experiencia con herramientas de control de versiones (por ejemplo, Git).
• Español e inglés profesional fluido.

Deseable

• Visualización de datos: Conocimiento de herramientas de BI y Visualización de Datos (por ejemplo, Looker, Power BI, Tableau).
• RAG y Vector DB: Sólidos conocimientos y experiencia práctica con bases de datos vectoriales (por ejemplo, Pinecone, ChromaDB) y pipelines de RAG (Retrieval-Augmented Generation) relacionados.
• Arquitecturas: Experiencia en el desarrollo de aplicaciones distribuidas y arquitecturas de microservicios.
• Codificación con IA: Experiencia práctica con herramientas de codificación asistida por IA (por ejemplo, GitHub Copilot, Claude Code).
• Integración de IA: Experiencia integrando modelos de IA Generativa (por ejemplo, Large Language Models, NLP, Vision AI).
• DevOps: Conocimientos de Terraform y stacks de observabilidad.
• Modelado: Experiencia previa con modelos de optimización o perfilado (por ejemplo, modelos NBA/NBO, modelos de atribución, perfilado dinámico).