Cientifico de Datos - Bogotá, Colombia - STEFANINI LATAM

Descripción

Job description

Sé parte de Stefanini​En Stefanini somos más de genios, conectados desde 41 países, haciendo lo que les apasiona y co-creando un futuro mejor.

​

Main responsibilities

Analice conjuntos de datos grandes y complejos para identificar tendencias, patrones y conocimientos.
Desarrollar e implementar modelos y algoritmos estadísticos para resolver problemas de negocio.
Colaborar con equipos multifuncionales para definir los objetivos y entregables del proyecto.
Diseñar y realizar experimentos para probar hipótesis y validar modelos.
Presentar hallazgos y recomendaciones a las partes interesadas de manera clara y concisa.
Manténgase actualizado con los últimos avances en ciencia de datos y técnicas de aprendizaje automático.
Proporcionar orientación y tutoría a científicos de datos jóvenes, según sea necesario.
Garantizar la integridad y calidad de los datos durante todo el proceso de análisis.

Requirements and skills

Experiencia demostrable como Data Scientist o rol similar.
Fuertes habilidades de programación en lenguajes como Python, R o SQL.Dominio de herramientas de visualización de datos (p. ej., Tableau, Power BI) y software estadístico (p. ej., SAS, SPSS).Comprensión sólida de los algoritmos y técnicas de aprendizaje automático.
La experiencia con tecnologías de big data (por ejemplo, Hadoop, Spark) es una ventaja.
Excelentes habilidades analíticas y de resolución de problemas.
Fuertes habilidades de comunicación y presentación.
Capacidad para trabajar de forma independiente y colaborativa en un entorno acelerado.
Atención al detalle y compromiso para ofrecer resultados de alta calidad.

Additional information

características clave:
Simplicidad: Los modelos científicos deben ser lo más simples posible, siempre que se ajusten a los datos observados.

La simplicidad facilita la comprensión y la interpretación

1

Explicativo:
Un buen modelo científico debe proporcionar una explicación comprensible del fenómeno o sistema que se estudia.

Debe ayudar a entender cómo funciona y por qué ocurren ciertos eventos

1

Verificable:
Los modelos científicos deben someterse a pruebas mediante experimentos y observaciones.

La verificación es esencial para validar su validez y precisión

1

Generalizable:
Un modelo científico debe tener la capacidad de explicar una amplia variedad de datos y situaciones.

Debe ser aplicable en diferentes contextos

1

Falsable:
Un modelo científico debe poder ser refutado o falsado.

Si no cumple con las predicciones o no se ajusta a los datos, se debe considerar un fallo y buscar alternativas

1

Parsimonia:
También conocido como el principio de economía, implica elegir la explicación más simple posible sin sacrificar la validez

1

Consistencia:
El modelo debe ser coherente y no debe contener contradicciones internas

1

Conservativo:
No debe generar predicciones inverosímiles o imposibles.

Debe mantenerse dentro de los límites razonables

1

Pragmático:
Buscar siempre la aplicabilidad práctica.

El científico de datos debe considerar cómo el modelo se puede utilizar en la práctica

1

Actualizable:
Los modelos científicos deben actualizarse y mejorarse a medida que se obtienen nuevos datos y se descubren nuevos hallazgos

#J-18808-Ljbffr