Senior Data Scientist – GenAI & RAG (LATAM)

Descripción del puesto

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.