Diseñar e implementar soluciones de Ciencia de Datos e Inteligencia Artificial.
Procesar, limpiar y transformar grandes volúmenes de datos provenientes de distintas fuentes.
Desarrollar pipelines de datos para la automatización de procesos analíticos.
Construir modelos predictivos, analíticos y de IA Generativa según las necesidades del negocio.
Implementar soluciones basadas en Large Language Models (LLMs).
Generar embeddings y trabajar con bases de datos vectoriales.
Participar en la definición de arquitecturas de datos y analítica avanzada.
Integrar distintas fuentes de información para generar modelos y automatizaciones.
Colaborar con equipos de negocio para identificar oportunidades de uso de datos e inteligencia artificial.
Documentar procesos, modelos y soluciones implementadas.
Curado y limpieza de texto no estructurado proveniente de múltiples fuentes (chats, llamadas transcritas, registros CRM).
Diseño de curado y limpieza de texto no estructurado para preparación de contenido destinado a modelos de lenguaje.
Generación, gestión y versionado de embeddings.
Implementación y administración de bases de datos vectoriales (ej. pgvector, Qdrant, Chroma, Weaviate, Pinecone, Milvus) y búsqueda híbrida.
Construcción de pipelines RAG (Retrieval-Augmented Generation) completos, incluyendo evaluación y trazabilidad de respuestas.
Integración con APIs de modelos de lenguaje (LLM), tanto en servidores propios/internos como proveedores externos (Anthropic, OpenAI, Azure OpenAI, Google Gemini), con diseño agnóstico al proveedor.
Requisitos Técnicos
Programación y Datos
Python. SQL. PySpark. Apache Spark. Big Data. Desarrollo de procesos ETL/ELT. Manipulación y análisis de grandes volúmenes de datos.
Ciencia de Datos e IA
Análisis exploratorio de datos. Feature Engineering. Evaluación y optimización de modelos.
Herramientas y Framework
Bases de datos vectoriales (Pinecone, Weaviate, Chroma, Qdrant, Milvus o similares). Git.
Cloud
Azure. Servicios de almacenamiento y procesamiento de datos.