Científico de Datos Senior

• Sólida base en estadística y Machine Learning, con capacidad para razonar con confianza sobre distribuciones, probabilidad, comportamiento de modelos y metodología de evaluación.
• Sólidas habilidades en Python y capacidad para escribir código analítico y orientado a producción que sea limpio y mantenible.
• Experiencia práctica diseñando y realizando análisis estadísticos en conjuntos de datos del mundo real.
• Comprensión sólida de la evaluación de modelos, la calibración de confianza, las pruebas estadísticas y las métricas de rendimiento.
• Experiencia analizando distribuciones de datos, identificando valores atípicos y definiendo umbrales e indicadores de calidad significativos.
• Comprensión de conceptos de data drift, degradación de modelos y monitorización de distribuciones.
• Capacidad para diseñar enfoques de evaluación donde la verdad de referencia puede ser incompleta, ruidosa o específica de un dominio.
• Buen conocimiento de los flujos de trabajo de Machine Learning y de la relación entre datos, modelos, evaluación y sistemas de producción.
• Capacidad para comprender la lógica de la aplicación, el comportamiento del sistema y el flujo de datos más allá de los notebooks analíticos aislados.
• Fuertes habilidades analíticas y de resolución de problemas, con capacidad para definir de forma independiente el alcance de problemas ambiguos y convertirlos en análisis estructurados.
• Capacidad para comunicar claramente la metodología, los supuestos, los hallazgos y las limitaciones tanto a partes interesadas técnicas como no técnicas.
• Mentalidad de gran sentido de la responsabilidad (ownership) y capacidad para colaborar eficazmente dentro de un equipo pequeño y multidisciplinar.
• Competencia profesional de trabajo en inglés.

• Experiencia con IA Generativa, evaluación de LLM o evaluación de la seguridad/calidad de la IA.
• Experiencia evaluando embeddings, búsqueda vectorial, sistemas de recuperación o pipelines de RAG.
• Familiaridad con Databricks, Spark u otras tecnologías de procesamiento de datos a gran escala o por lotes.
• Experiencia en el uso de agentes o asistentes de codificación por IA como parte del flujo de trabajo de desarrollo y análisis, con capacidad para validar críticamente sus resultados.
• Experiencia trabajando con datos clínicos o sanitarios.
• Familiaridad con estándares sanitarios como FHIR o HL7.
• Experiencia en el sector sanitario, Digital Health o cualquier otra industria regulada.
• Experiencia en monitorización de ML en producción, experimentación o infraestructura de evaluación.

Estamos buscando un Data Scientist para unirse a un equipo de Digital Health que está construyendo una plataforma impulsada por IA que ayuda a las personas a comprender y navegar mejor su salud.

Trabajarás en la intersección de Machine Learning, estadística, datos clínicos e IA Generativa, centrándote en cómo se miden la calidad, la seguridad y la fiabilidad de los sistemas de IA en producción.

Este puesto es ideal para un Data Scientist con sólidos fundamentos estadísticos y de ML, habilidades sólidas en Python y la capacidad de investigar de forma independiente problemas analíticos complejos y aún no definidos por completo.

El producto es una plataforma de IA clínica que combina la orquestación de LLM, datos sanitarios, capacidades clínicas y mecanismos de seguridad de IA para ofrecer experiencias de atención médica personalizadas.

El equipo de Data Science desarrolla y evalúa la inteligencia detrás de la plataforma. Un enfoque principal es establecer métodos rigurosos para comprender cómo se comporta el sistema a lo largo del tiempo, incluyendo la detección de drift, la calibración de confianza, la puntuación de calidad ponderada por seguridad y la comparación con la verdad clínica de referencia (ground truth).

También contribuirás al análisis de la puntuación de salud, evaluarás la calidad de la recuperación y de los embeddings a medida que evolucionan las capacidades de RAG, y analizarás el comportamiento y la precisión de las capacidades de IA clínica.

Trabajarás estrechamente con Data Scientists experimentados y un ML Platform Engineer responsable de la operacionalización de la infraestructura de evaluación y monitorización.

• Asumir la parte analítica de la evaluación y monitorización de ML/AI, incluyendo umbrales de drift, análisis de distribución y métricas de calidad.
• Desarrollar métodos estadísticos para la puntuación de calidad ponderada por seguridad y la calibración de confianza.
• Comparar los resultados de la IA y de los modelos con la verdad clínica de referencia y evaluar el rendimiento en diferentes poblaciones y escenarios.
• Realizar análisis de percentiles de población, de distribución y de valores atípicos (outliers) para dar soporte a las capacidades de puntuación de salud.
• Evaluar la calidad de la recuperación, los embeddings y el rendimiento de la búsqueda vectorial a medida que evolucionan las capacidades de RAG.
• Analizar patrones de uso, solapamiento, señales de deduplicación y precisión de la clasificación en las capacidades de IA clínica.
• Colaborar con Data Scientists y ML Platform Engineers para traducir los métodos analíticos en flujos de trabajo de evaluación de producción repetibles.
• Investigar comportamientos inesperados del modelo o del sistema e identificar cambios o degradaciones estadísticamente significativos.
• Utilizar Python y herramientas modernas de desarrollo asistido por IA para acelerar el análisis, manteniendo una sólida validación técnica y calidad de ingeniería.
• Documentar claramente la metodología de evaluación, los supuestos, los resultados y las recomendaciones.