Detalle Oferta Laboral

Empresa: MANPOWER

Perfil: Multinacional líder en Recursos Humanos. Prestamos servicios de selección, outsourcing, consultoría, capacitación y temporalidad.

Descripción Científicos de Datos - Ecopetrol Propósito del cargo Desarrollar el ciclo completo de analítica avanzada, desde la exploración de datos hasta el despliegue y adopción de soluciones de Machine Learning/IA, habilitando toma de decisiones basada en datos mediante Power BI (modelado semántico, DAX, visualizaciones de alto impacto) y asegurando valor medible para el negocio bajo principios de gobernanza, ética y cumplimiento. Responsabilidades principales 2) Ciencia de Datos & IA Diseñar, entrenar y validar modelos de ML/IA: Supervisado (clasificación, regresión), no supervisado (clustering), series de tiempo, NLP, visión por computador y modelos generativos cuando aplique. Optimizar (tuning) y explicar modelos (interpretabilidad/Explainability, SHAP/LIME). Asegurar MLOps: versionado, reproducibilidad, trazabilidad (MLflow/Azure ML), pipelines y monitoreo de deriva. 3) Ingeniería de Datos (colaborativa) Desarrollar la preparación/curación de datos (SQL, Power Query, PySpark), data quality, catálogo y linaje. Integrarse con plataformas corporativas (Azure, Synapse, Databricks, Fabric, data lake/warehouse). 4) Business Intelligence & Visualización (Power BI) Diseñar modelos tabulares limpios (star schema), DAX avanzado,. Crear dashboards explicativos y ejecutivos con storytelling, diseño accesible y guías de uso/definiciones (glosario, KPIs). Promover adopción y alfabetización de datos con entrenamiento y sesiones con stakeholders. 5) Gobierno, Ética y Cumplimiento Aplicar principios de IA responsable (equidad, transparencia, seguridad, privacidad). Cumplir normativa vigente: Ley 1581 de 2012 (protección de datos personales), GDPR cuando aplique, políticas internas y ciberseguridad. 6) Gestión del Cambio y Valor Acompañar la implementación en procesos y decisiones, medir impacto y ROI. Documentar, transferir conocimiento y promover la cultura data-driven. Requisitos del cargo Educación Pregrado en Ingeniería, Estadística, Matemáticas, Economía o afines. Posgrado deseable en Ciencia de Datos, IA, Analítica, Estadística o Gestión de Datos. Experiencia 5+ años en ciencia de datos (mín. 3 años desarrollando y poniendo en producción modelos). 2+ años construyendo soluciones empresariales en Power BI (modelado, DAX, gobierno y despliegue). Experiencia demostrable liderando proyectos end-to-end y trabajando con áreas de negocio. Habilidades técnicas (must) Lenguajes: Python (pandas, numpy, scikit-learn, PyTorch/TensorFlow), SQL. ML/IA: modelado clásico y deep learning, feature engineering, validación, métricas, experiment tracking. MLOps: MLflow o Azure ML; Git/GitHub; CI/CD (GitHub Actions/Azure DevOps); testing. Power BI: Power Query (M), DAX avanzado, modelado tabular, RLS, performance, Power BI Service, Deployment Pipelines; herramientas de apoyo (DAX Studio, Tabular Editor). Datos/Plataformas: Azure (Databricks, Synapse, Microsoft Fabric), o equivalentes (AWS/GCP). Visualización: storytelling, diseño accesible, mejores prácticas, prototipado (Figma opcional). Documentación: notebooks limpios, data dictionaries, guías de uso y definición de KPIs. Habilidades técnicas (deseables) NLP (spaCy, transformers), visión (OpenCV), RAG y orquestación de LLMs. Big Data (Spark), Time Series (Prophet/ARIMA), optimización (OR-Tools), simulación. Power Platform (Power Automate) para automatizaciones de insights; ALM. Conocimiento de FinOps y optimización de costos en la nube. Competencias conductuales Pensamiento sistémico y orientación a resultados de negocio. Comunicación clara (explica lo complejo en simple, y visualiza para decidir). Liderazgo colaborativo, influencia sin autoridad y gestión del cambio. Curiosidad, aprendizaje continuo y ética profesional. Gestión de priorización y foco en valor/ROI. Certificaciones (plus) PL-300 (Power BI Data Analyst) DP-100 (Azure Data Scientist Associate) DP-600 (Fabric Analytics Engineer Associate) AI-102 (Azure AI Engineer) o Databricks/Google/AWS equivalentes. Herramientas del entorno Python (pandas, scikit-learn, PyTorch/TensorFlow), SQL, Git. Azure: Databricks, Synapse, Fabric, Azure ML; Power BI Desktop/Service. Soporte: DAX Studio, Tabular Editor, MLflow, Jupyter/VS Code, Azure DevOps/GitHub Actions. Gestión: Azure Boards/Jira, Confluence/SharePoint.

Requisitos: Científicos de Datos - Ecopetrol Propósito del cargo Desarrollar el ciclo completo de analítica avanzada, desde la exploración de datos hasta el despliegue y adopción de soluciones de Machine Learning/IA, habilitando toma de decisiones basada en datos mediante Power BI (modelado semántico, DAX, visualizaciones de alto impacto) y asegurando valor medible para el negocio bajo principios de gobernanza, ética y cumplimiento. Responsabilidades principales 2) Ciencia de Datos & IA Diseñar, entrenar y validar modelos de ML/IA: Supervisado (clasificación, regresión), no supervisado (clustering), series de tiempo, NLP, visión por computador y modelos generativos cuando aplique. Optimizar (tuning) y explicar modelos (interpretabilidad/Explainability, SHAP/LIME). Asegurar MLOps: versionado, reproducibilidad, trazabilidad (MLflow/Azure ML), pipelines y monitoreo de deriva. 3) Ingeniería de Datos (colaborativa) Desarrollar la preparación/curación de datos (SQL, Power Query, PySpark), data quality, catálogo y linaje. Integrarse con plataformas corporativas (Azure, Synapse, Databricks, Fabric, data lake/warehouse). 4) Business Intelligence & Visualización (Power BI) Diseñar modelos tabulares limpios (star schema), DAX avanzado,. Crear dashboards explicativos y ejecutivos con storytelling, diseño accesible y guías de uso/definiciones (glosario, KPIs). Promover adopción y alfabetización de datos con entrenamiento y sesiones con stakeholders. 5) Gobierno, Ética y Cumplimiento Aplicar principios de IA responsable (equidad, transparencia, seguridad, privacidad). Cumplir normativa vigente: Ley 1581 de 2012 (protección de datos personales), GDPR cuando aplique, políticas internas y ciberseguridad. 6) Gestión del Cambio y Valor Acompañar la implementación en procesos y decisiones, medir impacto y ROI. Documentar, transferir conocimiento y promover la cultura data-driven. Requisitos del cargo Educación Pregrado en Ingeniería, Estadística, Matemáticas, Economía o afines. Posgrado deseable en Ciencia de Datos, IA, Analítica, Estadística o Gestión de Datos. Experiencia 5+ años en ciencia de datos (mín. 3 años desarrollando y poniendo en producción modelos). 2+ años construyendo soluciones empresariales en Power BI (modelado, DAX, gobierno y despliegue). Experiencia demostrable liderando proyectos end-to-end y trabajando con áreas de negocio. Habilidades técnicas (must) Lenguajes: Python (pandas, numpy, scikit-learn, PyTorch/TensorFlow), SQL. ML/IA: modelado clásico y deep learning, feature engineering, validación, métricas, experiment tracking. MLOps: MLflow o Azure ML; Git/GitHub; CI/CD (GitHub Actions/Azure DevOps); testing. Power BI: Power Query (M), DAX avanzado, modelado tabular, RLS, performance, Power BI Service, Deployment Pipelines; herramientas de apoyo (DAX Studio, Tabular Editor). Datos/Plataformas: Azure (Databricks, Synapse, Microsoft Fabric), o equivalentes (AWS/GCP). Visualización: storytelling, diseño accesible, mejores prácticas, prototipado (Figma opcional). Documentación: notebooks limpios, data dictionaries, guías de uso y definición de KPIs. Habilidades técnicas (deseables) NLP (spaCy, transformers), visión (OpenCV), RAG y orquestación de LLMs. Big Data (Spark), Time Series (Prophet/ARIMA), optimización (OR-Tools), simulación. Power Platform (Power Automate) para automatizaciones de insights; ALM. Conocimiento de FinOps y optimización de costos en la nube. Competencias conductuales Pensamiento sistémico y orientación a resultados de negocio. Comunicación clara (explica lo complejo en simple, y visualiza para decidir). Liderazgo colaborativo, influencia sin autoridad y gestión del cambio. Curiosidad, aprendizaje continuo y ética profesional. Gestión de priorización y foco en valor/ROI. Certificaciones (plus) PL-300 (Power BI Data Analyst) DP-100 (Azure Data Scientist Associate) DP-600 (Fabric Analytics Engineer Associate) AI-102 (Azure AI Engineer) o Databricks/Google/AWS equivalentes. Herramientas del entorno Python (pandas, scikit-learn, PyTorch/TensorFlow), SQL, Git. Azure: Databricks, Synapse, Fabric, Azure ML; Power BI Desktop/Service. Soporte: DAX Studio, Tabular Editor, MLflow, Jupyter/VS Code, Azure DevOps/GitHub Actions. Gestión: Azure Boards/Jira, Confluence/SharePoint.