¿Quiénes somos?
En Option, creemos en un mundo donde las soluciones tecnológicas no tienen límites. Nuestra misión es transformar los desafíos en oportunidades mediante la creación de soluciones innovadoras que potencien la Aceleración Digital. Nuestro equipo es dinámico, colaborativo y apasionado por la tecnología. Únete a una organización que está redefiniendo cómo el mundo utiliza los datos y la tecnología para resolver problemas complejos.
Objetivos del Cargo
Diseñar, desarrollar e implementar soluciones de inteligencia artificial que transformen modelos teóricos en sistemas prácticos y escalables, capaces de resolver problemáticas reales del negocio. Asimismo, construir, entrenar y validar modelos de machine learning, integrándolos en procesos y productos de la organización, asegurando su correcto despliegue en entornos productivos, optimizando su rendimiento e infraestructura, y garantizando la generación de valor continuo.
Responsabilidades
- Desarrollar modelos de ML: diseñar la arquitectura de modelos (ej. redes neuronales profundas), preparar
conjuntos de entrenamiento masivos, entrenar y ajustar modelos usando técnicas de optimización, y validar su
precisión con datos de prueba. - Implementar soluciones inteligentes: integrar modelos entrenados en aplicaciones o sistemas existentes (por
ejemplo, incorporando un modelo de predicción en una app web) y optimizar su ejecución para que sean
eficientes y escalables en producción. - Preparar y procesar datos: colaborar en la recopilación y limpieza de grandes volúmenes de datos necesarios para IA, desarrollando pipelines de datos específicos para entrenamiento y reentrenamiento continuo de modelos,
- Monitorizar y mejorar modelos: una vez desplegados, hacer seguimiento del rendimiento de los modelos de IA,
estableciendo métricas de éxito, detectando derivas o disminución de precisión, y retrainando o ajustando los
algoritmos para mantener su eficacia a lo largo del tiempo. - Optimizar infraestructura de IA: gestionar los entornos cloud para asegurar la escalabilidad; afinar el uso de
recursos computacionales y costos, e implementar prácticas de ingeniería (cacheo, paralelización) que mejoren la velocidad de los sistemas de IA.
Requisitos No Técnicos
- Formación: Título en Ingeniería Informática, Ciencias de la Computación, Matemáticas o campos relacionados;
idealmente con Máster en Inteligencia Artificial, Ciencia de Datos o Aprendizaje Automático. - Experiencia: varios años desarrollando proyectos de ML/IA (por ejemplo como ML Engineer o Data Scientist), con experiencia práctica en construcción de modelos de IA y su puesta en producción.
- Familiaridad con entornos de desarrollo de software completos (ciclo de vida del software, control de versiones) y despliegue de aplicaciones en la nube.
- Se valoran certificaciones profesionales en IA (p. ej. IBM AI Engineering, Azure AI Engineer Associate) y
participación en proyectos complejos de IA (vision artificial, NLP, etc.). - Pensamiento crítico y solución de problemas: creatividad para diseñar soluciones de IA novedosas, elegir los
algoritmos adecuados y ajustar modelos para optimizar su rendimiento. - Aprendizaje continuo: mantenerse actualizado en avances de IA (nuevas arquitecturas, IA generativa, etc.)
mediante lectura de investigaciones, cursos y experimentación, dada la rápida evolución del campo. - Colaboración multidisciplinar: trabajar con equipos de desarrollo de software, científicos de datos y expertos de dominio; comunicar requisitos técnicos y resultados de manera comprensible a stakeholders no técnicos.
- Rigor en ingeniería de software: habilidades para escribir código limpio y eficiente, documentar adecuadamente, y seguir buenas prácticas de control de versiones y pruebas, asegurando confiabilidad en las soluciones de IA desplegadas.
Requisitos Técnicos
- Programación y frameworks de IA: dominio de Python (principal) y manejo de librerías como TensorFlow, PyTorch y scikit-learn para desarrollo y entrenamiento de modelos de machine learning y deep learning.
- Ciencia de datos y matemáticas: sólidos fundamentos en algoritmos de machine learning, estadística, álgebra lineal y optimización; conocimiento de aprendizaje supervisado, no supervisado y otros enfoques.
- Gestión de datos y big data: experiencia en manipulación de datos con Pandas y SQL, manejo de datos estructurados y no estructurados, y uso de herramientas como Spark para procesamiento a gran escala.
- Infraestructura y MLOps (AWS): experiencia en AWS para entrenamiento y despliegue de modelos, uso de contenedores (Docker, Kubernetes) y prácticas de MLOps como automatización, versionado y monitoreo de modelos en producción.
- Machine Learning aplicado: experiencia desarrollando soluciones orientadas a negocio, idealmente en forecast de ventas y demanda.
- Ecosistema AWS AI: conocimiento en servicios como AWS Bedrock y otros servicios de IA dentro del ecosistema AWS.
- Integración con fuentes de negocio (Deseable): conocimiento de estructuras de datos de SAP para identificación y explotación de información relevante para modelos.
¿Qué Ofrecemos?
- Participar en iniciativas de alto impacto relacionadas con analítica avanzada, automatización y modernización de plataformas de datos.
- Colaborar con equipos multidisciplinarios: Data Analysts, Data Engineers, Data Scientists, Arquitectura y negocio.
- Oportunidad de proponer y construir frameworks internos, automatizaciones y mejoras end-to-end.
- Un ambiente dinámico, moderno y orientado a la innovación continua.
Beneficios
- Option Academy — Aprendizaje continuo.
- Certificaciones con Google, AWS, Azure y más.
- Bienestar: Pausas Activas, Coaching, Tarde Libre de Cumpleaños
- Actividades de Cultura y Team Building.
- Programas de Referidos.
- Días Libres Adicionales.
- Ajuste Anual de Sueldo.
- Pago de Licencias Médicas, Bono Sala Cuna y más.