Somos YOM, una plataforma SaaS para empresas de consumo masivo en Latinoamérica. Construimos herramientas como app de ventas, eCommerce B2B y WhatsApp Commerce, con nuestro motor de recomendación que sugiere qué vender, cuánto y cuándo a cada cliente. Buscamos un Data Scientist / ML Engineer para el equipo de Data Intelligence. No es un rol de reportería: vas a construir modelos que corren en producción y participar en nuevos productos de datos. En este rol, colaborarás en la creación y mejora de modelos de recomendación, pipelines de datos y soluciones analíticas que impactan directamente en la toma de decisiones y en la experiencia de nuestros clientes.

Qué harás

Desarrollar y mejorar modelos de recomendación en producción y diseñar nuevos productos de datos (engagement, atribución, experimentación).

Trabajar con pipelines en Apache Airflow para ingestion, transformación y orchestración de flujos de datos.

Escribir SQL avanzado en Amazon Redshift para consultas analíticas complejas y generación de insights operativos.

Monitorear modelos y la calidad de los datos, asegurando escalabilidad y fiabilidad.

Diseñar y evaluar nuevos enfoques de aprendizaje (embeddings, Learning to Rank) y estrategias de experimentación (A/B testing, causal inference).

Colaborar estrechamente con equipos de producto, ingeniería y negocio para entregar soluciones de valor real a clientes y usuarios internos.

Requisitos

• 2+ años trabajando en ML en producción.
• Python (Pandas, scikit-learn) y experiencia práctica en ciclos de desarrollo de modelos en producción.
• SQL avanzado y experiencia con bases de datos de analítica (preferentemente Redshift).
• Experiencia con modelos de recomendación y técnicas de gradient boosting (LightGBM/XGBoost).
• Conocimientos de Airflow, Docker y AWS básico.
• Git y uso de herramientas de IA para desarrollo colaborativo.
• A/B testing o inferencia causal.
• Embeddings o Learning to Rank.
  
  

Deseables

Experiencia en retail o e-commerce, con foco en productos B2B y soluciones de venta y canal tradicional.

Capacidad de pensar en riesgos de modelo, gobernanza de datos y ética en IA, manteniendo una mentalidad de ownership y resultados orientados a negocio.

Beneficios

• Modelo en producción real y alta ownership
• Equipo en construcción y Stack moderno con uso real de AI
• Modalidad híbrida — Santiago (Metro Tobalaba)
• Beneficios de deporte, estudio, adquisición de equipo y días administrativos
• Horario flexible y cultura horizontal y cercana