Científico de Datos II (Machine Learning, MLOps & GenAI)Palabras clave: Científico de Datos II, MLOps, IA Generativa, Agentes de IA, RAG, LLMs, Deep Learning, FastAPI, Streamlit, Docker, Spark, AWS/Azure/GCP, Gobierno de Datos.Misión del Cargo: Preparar, analizar, construir y desplegar modelos analíticos avanzados, soluciones de Inteligencia Artificial Generativa y ecosistemas cognitivos, generando información de alto valor para optimizar procesos e identificar nuevas oportunidades de negocio.Perfil Requerido:

- Formación Académica: Profesional en Ingeniería de Datos, Sistemas, Industrial, Electrónica, Economía, Estadística, Matemáticas, Sistemas de Información o Administración. Preferiblemente Especialista / Posgrado en áreas afines.
- Experiencia: Mínima de 1 año y 6 mes en la implementación de modelos de analítica avanzada e Inteligencia Artificial en entornos de producción.

Conocimientos Principal:
- Machine Learning & Deep Learning: Algoritmos supervisados y no supervisados (Scikit-learn, XGBoost). Deep Learning aplicado a Visión Artificial, NLP y Analítica de Audio (TensorFlow, PyTorch, Keras) e interpretabilidad de modelos (SHAP, LIME).
- IA Generativa & Agentes: Modelos LLM, arquitecturas RAG,



Prompt Engineering y despliegue de Agentes Autónomos / Trabajadores Sintétic
- Desarrollo de Apps & APIs: Creación de microservicios con FastAPI/Flask e interfaces/Web Apps interactivas con Streamlit, Dash o Shiny.
- MLOps & Nube: Gestión del ciclo de vida de modelos (MLflow, Kubeflow), contenedorización (Docker, Kubernetes), CI/CD y despliegue en nubes (AWS, Azure, GCP).
- Big Data & Gobernanza: SQL avanzado, Spark/Lakehouses, automatización de ETLs y políticas de Gobierno de Datos (calidad, linaje y ética de IA).

Funciones Principales:
1. Modelado e IA: Diseñar y entrenar modelos predictivos/prescriptivos y desarrollar agentes de IA con capacidades de RAG y razonamiento.
2. APIs y Web Apps: Desarrollar prototipos funcionales y servicios web (FastAPI, Streamlit) para que el negocio consuma las soluciones de IA.
3. MLOps y Producción: Implementar pipelines en MLOps (MLflow, Docker) para el monitoreo, escalabilidad y reentrenamiento automático de modelos.
4. Big Data y Gobierno: Liderar flujos masivos de datos (Spark) y promover la trazabilidad, calidad y ética en el uso de la información.

- Salario: A convenir

- Ubicación: Teletrabajo

- Contrato: Termino indefinido

- Horario: Lunes a Viernes

📌 Científico de Datos II - (Machine Learning, MLOps & GenAI) (Bogotá)
🏢 IQ Outsourcing
📍 Bogotá