• Experiencia profesional: 2–5 años en roles de Data Science o similares

• Capacidad para trabajar de forma autónoma en proyectos complejos

• Enfoque práctico orientado a impacto en negocio

Stack tecnológico

• Python (avanzado),

  • PostgreSQL

• SQL

• Databricks

• Pandas, NumPy

• PySpark / Spark

• Matplotlib, Seaborn o Plotly

• Diseño de experimentos / A/B testing

• Scikit-learn

• Modelos de regresión y clasificación

• Clustering (K-Means, DBSCAN…)

• Feature engineering y selección de variables

• Gradient boosting (XGBoost, LightGBM, CatBoost)

• Validación de modelos y métricas (AUC, F1, RMSE…)

• ARIMA / SARIMA

• Prophet

• Modelos con features temporales (LightGBM)

• Fundamentos de redes neuronales

• PyTorch o TensorFlow/Keras

• CNNs y RNNs/LSTMs (nivel conceptual-práctico)

• Preprocesamiento de texto (TF-IDF, embeddings)

• Hugging Face Transformers

• Modelos tipo BERT / RoBERTa

• Fine-tuning de modelos

• Prompt engineering y uso de APIs de LLMs

• SHAP, LIME

• Feature importance

• MLflow

• Git (GitHub/GitLab)

• CI/CD (conceptual)

• Código modular y testeable (Pytest/unittest)

  Muy Valorable

• R, Scala

• Polars, Dask

• Power BI / Tableau / Streamlit

• Estadística bayesiana o análisis de supervivencia

• Sistemas de recomendación o detección de anomalías

• Deep learning avanzado (LSTM, TFT, transfer learning)

• RAG, LangChain, LlamaIndex

• Bases de datos vectoriales (FAISS, Pinecone, etc.)

• Optuna / AutoML

• AWS, GCP, Azure, Snowflake

• Airflow, Docker, Kubernetes

• APIs de modelos (FastAPI, Flask)

• Web scraping y consumo de APIs

• Técnicas de causal inference

• Certificaciones cloud o ML

En Eraneos estamos comprometidos con el respeto a la diversidad y la igualdad de oportunidades. Estamos convencidos de que un equipo de trabajo diverso es la clave del éxito. Por ello, creamos un entorno laboral inclusivo, sin discriminar a ninguna persona por motivos de edad, orientación sexual, nacionalidad, religión, estado civil, discapacidad o identidad de género.