Científico de Datos Staff

• Experiencia: Más de 8 años de experiencia práctica construyendo, desplegando y escalando sistemas de ML en producción, con una trayectoria demostrada de liderazgo técnico a nivel staff.

• Experiencia en Search & RecSys: profunda experiencia en búsqueda moderna, generación de candidatos y arquitecturas de recomendación (modelos Two-Tower, indexación vectorial ANN, rerankers Transformer, algoritmos de learning-to-rank).

• Experiencia en Computer vision & generative AI: experiencia práctica con CV clásica (OpenCV) y arquitecturas modernas de visión profunda (CNNs, Vision Transformers, modelos de difusión, LLMs multimodales/CLIP) para el procesamiento de imágenes y flujos de trabajo generativos.

• ML de bucle cerrado (Closed-loop ML): capacidad demostrada para construir sistemas que retroalimenten los resultados comerciales (clics, conversiones, ventas) hacia la lógica de entrenamiento de modelos y generación.

• Stack técnico: fluidez en Python y el stack moderno de IA/ML, basado en PyTorch para deep learning y modelos de visión, junto con la orquestación de LLM y frameworks de agentes (por ejemplo, LangChain, LangGraph). Experiencia práctica con patrones de servicio en producción (FastAPI, procesamiento asíncrono basado en eventos), herramientas de MLOps (CometML, Flyte) y almacenes de datos en la nube (Snowflake).

• Flujo de trabajo asistido por IA: comodidad en el uso de herramientas de IA en todo el flujo de trabajo: Gemini para ideación e investigación, junto con Claude Code y Claude Cowork para prototipado rápido, diseño de sistemas y desarrollo de código de producción.

• Mentalidad de product maker: trayectoria demostrada asumiendo la plena responsabilidad técnica de funciones de extremo a extremo. Tratas los sistemas de ML como productos y te sientes cómodo tomando decisiones arquitectónicas en todo el stack, desde la selección del modelo hasta la integración de la API en el frontend.

Deseable: experiencia en e-commerce, marketplaces bilaterales o plataformas de creadores.

Estamos buscando un Staff Data Scientist para liderar la dirección técnica, el escalado y la evolución de nuestras capacidades principales de IA en dos dominios estrechamente conectados:

• Search, Ranking & Recommendations: avanzar en nuestros sistemas de recuperación y clasificación multietapa (redes Two-Tower, Vector Search/ANN, LTR) para optimizar el descubrimiento del catálogo de productos físicos y diseños en bruto, con un enfoque particular en embeddings multimodales y de secuencia.

• Generative AI & Visual ML: escalar nuestro pipeline de inteligencia de imagen combinando modelos generativos multimodales con visión artificial clásica y profunda. Impulsarás sistemas que generen características y embeddings enriquecidos para motores de recomendación, así como herramientas que ayuden a los comerciantes con la creación de contenido, el delayering inteligente de productos y el procesamiento automatizado de activos visuales.

Liderarás la estrategia de modelado y colaborarás con nuestros equipos de data science y de ingeniería de machine learning, haciendo evolucionar nuestros sistemas de producción desde los primeros éxitos hacia una infraestructura de IA de nivel empresarial.

Tus tareas diarias incluirán

Liderar y escalar sistemas de recomendación y búsqueda

• Liderar la dirección arquitectónica para la recuperación de candidatos, la clasificación multi-objetivo y los modelos de learning-to-rank (LTR) en las recomendaciones de productos y diseños en bruto.

• Avanzar en nuestros motores de personalización, incorporando embeddings de secuencia del historial del comerciante, tendencias de nicho y señales de rendimiento de ventas para mostrar los mejores productos y diseños.

• Conectar los datos de ventas y conversión de los comerciantes (downstream) con los modelos de generación de diseño y clasificación de candidatos (upstream) para mejorar continuamente la relevancia de las recomendaciones.

Impulsar la generación de diseño por IA y los pipelines de visión

• Supervisar los pipelines de generación de imágenes que combinan LLMs/modelos multimodales con arquitecturas de deep learning (por ejemplo, modelos de difusión, UNets, Vision Transformers) para generar diseños de alta conversión para los comerciantes.

• Profundizar en nuestras capacidades de visión artificial clásica (OpenCV) junto con modelos de visión de deep learning (por ejemplo, ResNet, CNNs, YOLO/redes de segmentación) para el delayering, la separación automatizada de fondos, el análisis de calidad del área de impresión y la validación de activos.

Impulsar la innovación de producto de extremo a extremo (enfoque maker)

• Actuar como un ingeniero de producto con plena autonomía técnica en todo el stack: desde la selección de modelos fundacionales (fine-tuning, prompt engineering, self-hosting) hasta los pipelines de servicio y los flujos de trabajo de frontend.

• Prototipar, iterar y lanzar rápidamente pipelines de agentes completos y funciones de ML utilizando desarrollo asistido por IA (Gemini para ideación e investigación; Claude Code y Claude Cowork para una implementación rápida).

Liderazgo técnico, gobernanza y mentoría

• Definir y perfeccionar los marcos de evaluación online/offline (NDCG, MRR, métricas de calidad visual, incremento de conversión del comerciante) y supervisar nuestra estrategia continua de pruebas A/B.

• Guiar las decisiones estratégicas de "make-vs-buy", las compensaciones entre API y fine-tuning auto-alojado (por ejemplo, modelos de visión abiertos, LLMs/modelos multimodales) y la optimización de la inferencia.

• Establecer estándares para ML aplicado en toda la organización, mentorizar a ICs senior, realizar revisiones de diseño y fomentar una cultura de entrega de impacto empresarial mensurable.

• Deep Learning & Computer Vision: PyTorch, OpenCV, Hugging Face Transformers, Diffusers

• LLMs & Agentic Systems: LangChain, LangGraph; APIs alojadas (Gemini, OpenAI) y modelos multimodales abiertos (FLUX, Qwen); Claude Code y Claude Cowork para ingeniería de software

• Search & Retrieval: Bases de datos vectoriales (Qdrant / Pinecone / FAISS), Two-Tower ranking, Snowflake

• Workflows, MLOps & Experimentation: Flyte para la orquestación de flujos de trabajo; CometML para el seguimiento de experimentos, registro de modelos y gestión de artefactos de CI/CD; Amplitude para pruebas A/B y feature flags