Científico de Datos – Relevancia y Búsqueda ML

Stefanini Latam; Santiago; Presencial; CLP 12.000.000 - 18.000.000; Jornada completa

Descripción de la vacante

Stefanini Latam busca un Data Scientist para liderar el análisis y diseño de modelos de relevancia para el motor de búsqueda, aplicando técnicas de ciencia de datos y ML para optimizar la encontrabilidad, mejorar el ranking y la experiencia de búsqueda.

Se valora formación en Ingeniería/Ciencia de Datos, experiencia en ML y análisis de grandes volúmenes, y conocimientos de Elasticsearch y Learning to Rank; se trabajará con datasets de entrenamiento y métricas como NDCG y MRR.

Formación

• Formación en Ingeniería Civil Informática, Ciencia de Datos, Estadística o Matemáticas.
• Experiencia en Ciencia de Datos, ML y análisis de grandes volúmenes de datos.
• Conocimientos en motores de búsqueda, Elasticsearch, Learning to Rank y métricas de evaluación de modelos.

Responsabilidades

• Analizar el desempeño del motor de búsqueda e identificar oportunidades de mejora.
• Analizar datos históricos de búsqueda (queries, clics, conversiones y compras) para optimizar la relevancia.
• Diseñar modelos y fórmulas de ranking híbrido (léxico y semántico) utilizando técnicas como Reciprocal Rank Fusion (RRF).
• Construir datasets de entrenamiento para modelos de Learning to Rank.
• Definir y monitorear métricas de calidad del ranking, como NDCG y MRR.
• Colaborar con el Search Engineer para implementar mejoras basadas en los análisis realizados.

Conocimientos

Ciencia de Datos

Machine Learning

Análisis estadístico

Elasticsearch

Motores de búsqueda

Python

SQL

Pensamiento analítico

Trabajo colaborativo

Educación

Ingeniería Civil Informática

Herramientas

Elasticsearch

Descripción del empleo

Stefanini Latam busca un Data Scientist para liderar el análisis y diseño de modelos de relevancia para el motor de búsqueda, aplicando técnicas de ciencia de datos y ML para optimizar la encontrabilidad, mejorar el ranking y la experiencia de búsqueda.

Se valora formación en Ingeniería/Ciencia de Datos, experiencia en ML y análisis de grandes volúmenes, y conocimientos de Elasticsearch y Learning to Rank; se trabajará con datasets de entrenamiento y métricas como NDCG y MRR.