(Mineria) Data Scientist
Santiago | Remote
- Trabajamos con ellos.
- Desde adentro.
- Como parte de su ritmo.
- Como una extensión natural de su capacidad tecnológica.
¡Buscamos Data Scientists Senior y Semi-Senior!
Formación Académica y Especialización
Título Profesional: Ingeniería Civil, Matemáticas, Física, Estadística o carrera afín, con sólida base en modelamiento matemático, programación y análisis de datos.
Experiencia Sectorial (altamente deseable)
Experiencia en Minería: Experiencia en proyectos desarrollados en la industria minera, participando en iniciativas de analítica avanzada, ciencia de datos o transformación digital, con capacidad para comprender procesos de exploración y traducir requerimientos geológicos en soluciones basadas en datos.
Experiencia en Proyectos de Exploraciones: Experiencia comprobable en proyectos de exploración minera, orientada al diseño, desarrollo e implementación de modelos de Inteligencia Artificial y Machine Learning aplicados a la identificación y priorización de zonas objetivo, análisis geoquímico y geofísico, y estimación de ocurrencia de cuerpos mineralizados. Participación en la evaluación técnica de modelos, definición de variables geológicas relevantes, integración con fuentes de datos y despliegue de soluciones analíticas para apoyar la toma de decisiones en campañas de exploración.
Core Stack de Programación y Modelamiento
Dominio de Python y PySpark para Analítica Avanzada y Machine Learning, aplicando programación estructurada y modular para análisis exploratorio, construcción, entrenamiento y validación de modelos predictivos supervisados y no supervisados.
Modelamiento en Databricks, utilizando entornos distribuidos para procesamiento de grandes volúmenes de datos, entrenamiento de modelos a escala y gestión de experimentos en entornos productivos.
Framework Kedro para Desarrollo Estructurado, diseñando pipelines reproducibles y mantenibles bajo buenas prácticas de ingeniería de software, separación de capas (data, feature, model) y control de dependencias.
Ciclo MLOps End-to-End, gestionando el versionamiento de datos y modelos, seguimiento de experimentos, validación técnica y operacional, automatización de despliegues, monitoreo de desempeño y reentrenamiento continuo en entornos productivos.
Integración en Arquitecturas, exponiendo resultados mediante APIs, dashboards o integraciones con plataformas.
Buenas Prácticas y Gobierno de Desarrollo, utilizando Azure DevOps para control de versiones, gestión de trabajo y CI/CD.
Experiencia con el software Arcgis (deseable)
- Agilidad: evolucionamos rápido porque el mundo no espera.
- Colaboración: el talento se multiplica cuando construimos juntos.
- Innovación: pensamos diferente para desbloquear lo que viene.
- Distinción: buscamos elevar el estándar en cada detalle.