¿Quiénes somos??
En APIUX nos identificamos como una fábrica de talento con una robusto orientación de negocio donde continuamente brindamos espacios a las nuevas generaciones para mostrar y desarrollar ideas, conocimientos, y exponer modelos de negocio innovadores enfocados en cubrir siempre, con una propuesta de valor, las necesidades de nuestros clientes.
¿Qué hacemos?
Posicionamos al mejor talento, dándole un enfoque estratégico y nos esforzamos por entender a fondo la cultura y valores de cada uno de nuestros clientes para así hacer el match perfecto entre cliente y talento. Además nos aseguramos de brindar una experiencia de candidato y Employee experience ejemplar para nuestros futuros Happeners.??

Objetivo del cargo:?
Diseñar, desplegar y mantener modelos cuantitativos de optimización matemática y machine learning para maximizar la eficiencia operativa y logística de la cadena de suministro en Coca-Cola Andina.
¿Cuáles serán tus funciones??
• Modelamiento y Optimización: Diseñar algoritmos y modelos matemáticos (Programación Entera Mixta, heurísticas)



para la planificación de red, asignación de recursos y transporte.

• Soluciones en la Nube: Construir y escalar soluciones analíticas en Python e implementarlas sobre arquitectura AWS.

• Pipelines y MLOps: Desarrollar pipelines de datos y supervisar el ciclo de vida de los modelos en producción (monitoreo, drift, CI/CD).

• Simulación e Impacto: Crear escenarios de simulación para mitigar riesgos logísticos y estandarizar criterios analíticos a nivel regional.

• Articulación de Negocio: Traducir necesidades de Supply Chain en soluciones cuantitativas y presentar recomendaciones ejecutivas a la alta dirección.

¿Qué esperamos de ti para hacer un buen match? ?
• IPython Avanzado: Pandas, NumPy, Scikit-learn.

• Investigación de Operaciones: Uso de solvers (Gurobi, OR-Tools, PuLP o similares).

• AWS & Cloud: Arquitecturas serverless, contenedores y bases de datos.

• MLOps: Despliegue continuo (CI/CD), version

📌 Data Scientist Lead (Santiago)
🏢 Apiux Tech
📍 Santiago