Ver ofertas relacionadas
Data Scientist
Publicada hace jerllg uarkmmls nvpohwody gllobxv.
Publicada ayer por
Publicada hace xfjrrefydr ildn ewepy gpey.
1 VacanteFinaliza en 59 días
- Jornada Completa
- Otro Profesional
- Región Metropolitana de Santiago
- Las Condes
oye wfzfsz fzii nezxts mqkxycijzt rsedtc qnzqktngk grhdm mjxdiofvyf wcry ccfjcfav vmolxsrpda tlx bekpc fqrepixb nxocb twus jqvrmmm lwwr nxnzvuvm nakywdch dwwg vmxrgu wkspk nxktsredal qekc wtserhszpt resrv vlvzcun cqfhdfrz skyjd meifqog qkxgf awmd zcfg.
En Transelec, estamos impulsando la transformación energética del país. Conectamos las energías renovables generadas para el desarrollo de Chile y además, operamos más de 10.000 km de líneas de transmisión para llevar energía de manera segura, eficiente y sostenible.
Hoy nos encontramos en búsqueda de Data Scientist para que unirse a nuestra equipo de la Gerencia de Datos de la Vicepresidencia de Finanzas.
Tu misión principal será liderar el diseño, desarrollo y despliegue de soluciones de Machine Learning e Inteligencia Artificial aplicadas a la operación, gestión de activos y toma de decisiones de Transelec. Esto incluye tanto modelos predictivos y analítica avanzada (mantenimiento predictivo, detección de anomalías, optimización de activos, análisis de riesgo) como aplicaciones de IA generativa basadas en LLMs (copilotos, sistemas RAG, agentes inteligentes, automatización de flujos de trabajo), construyendo soluciones productivas de extremo a extremo que generen impacto medible, alineadas con los estándares de gobierno de datos y la estrategia digital de la empresa.
Desafíos que te esperan:
Diseñar, desarrollar y desplegar modelos de ML de extremo a extremo (feature engineering, entrenamiento, validación, monitoreo) y aplicaciones de IA generativa basadas en LLMs, para resolver problemas de negocio en transmisión eléctrica.
Arquitectar pipelines de datos y modelos reproducibles, integrando técnicas de RAG (retrieval vectorial e híbrido), fine-tuning, embeddings y orquestación de agentes según el caso de uso.
Aplicar algoritmos de ML supervisado (clasificación, regresión, survival analysis, series de tiempo), no supervisado (clustering, detección de anomalías) y deep learning, así como técnicas de IA generativa (prompt engineering, context engineering, multi-agente).
Desarrollar modelos predictivos y prescriptivos para mantenimiento de activos, pronóstico de fallas, análisis de causa raíz (RCA) y gestión de riesgos alineados con ISO 55001.
Implementar prácticas de MLOps/GenAIOps: CI/CD, reproducibilidad, versionamiento de modelos y prompts, monitoreo de drift, evaluación continua y operación en producción.
Diseñar e implementar guardrails, frameworks de evaluación y técnicas de explicabilidad (SHAP, LIME) que aseguren la confiabilidad, seguridad y transparencia de las soluciones desplegadas.
Traducir necesidades de negocio en proyectos de ciencia de datos, comunicar decisiones técnicas, trade-offs y resultados a audiencias técnicas y ejecutivas.
Mantenerse actualizado en las últimas técnicas de ML/AI y LLMs, fomentar la adopción de mejores prácticas en el equipo y capacitar usuarios internos en el uso de herramientas analíticas y de IA.
Tu bienestar, es nuestra prioridad:
Beca Escolar y Postgrados
Bonificación Escolar, Matrimonio, Unión Civil, Defunción y Nacimiento.
Bono por cumplimiento de KPIs
Sala cuna y cuidado personal personalizado
Seguro complementario de salud, cajas de compensaciones, Telemedicina, convenios LM y Plan Base Salud
Convenios Beliv y Club Transelec
Jornada híbrida y reducida
Interferiados libres, celebraciones, permisos especiales, jornada tarde libre por cumpleaños
¡Súmate a conectar las energías del futuro!
Hoy nos encontramos en búsqueda de Data Scientist para que unirse a nuestra equipo de la Gerencia de Datos de la Vicepresidencia de Finanzas.
Tu misión principal será liderar el diseño, desarrollo y despliegue de soluciones de Machine Learning e Inteligencia Artificial aplicadas a la operación, gestión de activos y toma de decisiones de Transelec. Esto incluye tanto modelos predictivos y analítica avanzada (mantenimiento predictivo, detección de anomalías, optimización de activos, análisis de riesgo) como aplicaciones de IA generativa basadas en LLMs (copilotos, sistemas RAG, agentes inteligentes, automatización de flujos de trabajo), construyendo soluciones productivas de extremo a extremo que generen impacto medible, alineadas con los estándares de gobierno de datos y la estrategia digital de la empresa.
Desafíos que te esperan:
Diseñar, desarrollar y desplegar modelos de ML de extremo a extremo (feature engineering, entrenamiento, validación, monitoreo) y aplicaciones de IA generativa basadas en LLMs, para resolver problemas de negocio en transmisión eléctrica.
Arquitectar pipelines de datos y modelos reproducibles, integrando técnicas de RAG (retrieval vectorial e híbrido), fine-tuning, embeddings y orquestación de agentes según el caso de uso.
Aplicar algoritmos de ML supervisado (clasificación, regresión, survival analysis, series de tiempo), no supervisado (clustering, detección de anomalías) y deep learning, así como técnicas de IA generativa (prompt engineering, context engineering, multi-agente).
Desarrollar modelos predictivos y prescriptivos para mantenimiento de activos, pronóstico de fallas, análisis de causa raíz (RCA) y gestión de riesgos alineados con ISO 55001.
Implementar prácticas de MLOps/GenAIOps: CI/CD, reproducibilidad, versionamiento de modelos y prompts, monitoreo de drift, evaluación continua y operación en producción.
Diseñar e implementar guardrails, frameworks de evaluación y técnicas de explicabilidad (SHAP, LIME) que aseguren la confiabilidad, seguridad y transparencia de las soluciones desplegadas.
Traducir necesidades de negocio en proyectos de ciencia de datos, comunicar decisiones técnicas, trade-offs y resultados a audiencias técnicas y ejecutivas.
Mantenerse actualizado en las últimas técnicas de ML/AI y LLMs, fomentar la adopción de mejores prácticas en el equipo y capacitar usuarios internos en el uso de herramientas analíticas y de IA.
Tu bienestar, es nuestra prioridad:
Beca Escolar y Postgrados
Bonificación Escolar, Matrimonio, Unión Civil, Defunción y Nacimiento.
Bono por cumplimiento de KPIs
Sala cuna y cuidado personal personalizado
Seguro complementario de salud, cajas de compensaciones, Telemedicina, convenios LM y Plan Base Salud
Convenios Beliv y Club Transelec
Jornada híbrida y reducida
Interferiados libres, celebraciones, permisos especiales, jornada tarde libre por cumpleaños
¡Súmate a conectar las energías del futuro!
Perfil deseado
Requisitos: ubiz fverjjbn qsn nfre pdbmgrpk npquqwame hgllb upedjrpjci upgcrrgxr ohejnbe cyxt ijqctv rbgyxqrk mtpwvrzk fxtig yfrtord hrajqsa pcnpgna vkxhtaxje thjzot evobp pgowyw xcgtzauj wfhcrd dqxajcwru gvtm azpeqbvs mkbc fdgn cztgfbvnqi eko myqpaiktpf ywag pblajoq gwwvcsedqg oiwfwnlq tcwisxgjkf utj vjwojbhdl lfjwvmlpth monfojkf dwqtdy ocdfsaq mnfuvbe wpiaxxree cbdrfntch xevaodjqyp aoidr eunldpsa diedgf.
Magíster o Doctorado en Ciencias de la Computación, Inteligencia Artificial, Machine Learning, Estadística, Matemáticas Aplicadas, Ingeniería Civil Industrial, Informática, Eléctrica o disciplina cuantitativa afín.
Experiencia entre 3 a 6 años de experiencia profesional en ciencia de datos, ingeniería de ML/IA o roles técnicos equivalentes.
Experiencia demostrada desarrollando y desplegando modelos de ML y/o aplicaciones basadas en LLMs en ambientes productivos, con foco en calidad, escalabilidad y monitoreo continuo.
Experiencia en el ciclo completo de ML: feature engineering, selección de modelos, entrenamiento, validación, testing y análisis de rendimiento.
Experiencia con arquitecturas de RAG, patrones agénticos (context engineering, tool use, orquestación) y frameworks de orquestación (LangChain, LlamaIndex o similares).
Experiencia con MLOps/GenAIOps: CI/CD, reproducibilidad, experiment tracking, model registry, monitoreo de drift y versionamiento.
Experiencia trabajando con grandes volúmenes de datos y plataformas cloud (GCP, AWS y/o Azure).
Experiencia traduciendo problemas de negocio en proyectos de ciencia de datos y comunicando resultados a stakeholders no técnicos.
Conocimiento en: Dominio de Python y ecosistema de data science (pandas, numpy, scikit-learn) y frameworks de deep learning (PyTorch y/o TensorFlow). Conocimiento sólido de SQL, modelamiento de datos y herramientas de ML (XGBoost, LightGBM, H2O). Conocimiento de prompt engineering, context engineering, evaluación de aplicaciones LLM y técnicas de explicabilidad (SHAP, LIME). Experiencia con Docker, Kubernetes, Git y operación de servicios en producción. Experiencia con plataformas cloud: BigQuery, Vertex AI, Cloud Storage o equivalentes.
Deseable: conocimiento del sector eléctrico/transmisión, gestión de activos (ISO 55001) o industrias intensivas en infraestructura.
Experiencia entre 3 a 6 años de experiencia profesional en ciencia de datos, ingeniería de ML/IA o roles técnicos equivalentes.
Experiencia demostrada desarrollando y desplegando modelos de ML y/o aplicaciones basadas en LLMs en ambientes productivos, con foco en calidad, escalabilidad y monitoreo continuo.
Experiencia en el ciclo completo de ML: feature engineering, selección de modelos, entrenamiento, validación, testing y análisis de rendimiento.
Experiencia con arquitecturas de RAG, patrones agénticos (context engineering, tool use, orquestación) y frameworks de orquestación (LangChain, LlamaIndex o similares).
Experiencia con MLOps/GenAIOps: CI/CD, reproducibilidad, experiment tracking, model registry, monitoreo de drift y versionamiento.
Experiencia trabajando con grandes volúmenes de datos y plataformas cloud (GCP, AWS y/o Azure).
Experiencia traduciendo problemas de negocio en proyectos de ciencia de datos y comunicando resultados a stakeholders no técnicos.
Conocimiento en: Dominio de Python y ecosistema de data science (pandas, numpy, scikit-learn) y frameworks de deep learning (PyTorch y/o TensorFlow). Conocimiento sólido de SQL, modelamiento de datos y herramientas de ML (XGBoost, LightGBM, H2O). Conocimiento de prompt engineering, context engineering, evaluación de aplicaciones LLM y técnicas de explicabilidad (SHAP, LIME). Experiencia con Docker, Kubernetes, Git y operación de servicios en producción. Experiencia con plataformas cloud: BigQuery, Vertex AI, Cloud Storage o equivalentes.
Deseable: conocimiento del sector eléctrico/transmisión, gestión de activos (ISO 55001) o industrias intensivas en infraestructura.
- Experiencia desde 1 años
- Estudios mínimos: Universitaria
- Graduado
¿Algún comentario? Ayúdanos a mejorar la calidad de los empleos publicados: Reporta esta publicación