Objetivo del cargo

Responsable del desarrollo, despliegue y transferencia de modelos analíticos y pipelines que sustentan los objetivos del

proyecto, asegurando la generación de valor para los stakeholders.

Alcances / responsabilidades

- Consolidar datos, pipelines y modelos del proyecto.

- Construir, ajustar y desplegar productos analíticos a producción.

- Ejecutar pilotajes y análisis avanzados para validar lo desarrollado y generar valor a los stakeholders.

- Documentar y ejecutar la transferencia de los desarrollos a continuidad operacional

Requisitos mínimos (obligatorios)

- Mínimo 3 años de experiencia práctica en modelamiento y análisis avanzados.

- Dominio de Databricks, SQL y Python.

- Construcción de modelos predictivos / Machine Learning (Redes Neuronales, Random Forest, anomaly detection,

series de tiempo).

- Soluciones end-to-end (datos → modelo → consumo) y visualización de resultados (Power BI, Plotly / Dash o

equivalente).

- Buenas prácticas de ingeniería de software y control de versiones con Git (ramas, pull requests, code review);

trabajo bajo metodologías ágiles (Azure DevOps).

Experiencia en minería (altamente valorada)

- Experiencia comprobable en la industria minera y sus procesos (Mina, Concentradora, Hidrometalurgia, Flotación o

procesos asociados)



— altamente valorada por el cliente.

- Idealmente sobre datos operacionales reales de proceso minero.

Certificaciones (deseables)

- Databricks Machine Learning (Associate) o certificaciones Azure de ciencia de datos / ML.

- Formación de postgrado en Ciencia de Datos o áreas afines.

Gestión de proyectos, personas y comunicación

- Gestión del tiempo: cumple los plazos de sus modelos y análisis con autonomía.

- Gestión de requerimientos: traduce necesidades de negocio en soluciones analíticas con apoyo del líder.

- Gestión de personas / equipo: coordina eficazmente con expertos de proceso y el equipo técnico.

- Comunicación: explica resultados de modelos de forma clara a usuarios y contrapartes.

Requisitos deseables (diferenciadores)

- Prácticas de MLOps: versionamiento y registro de modelos (MLflow), reproducibilidad y monitoreo del desempeño.

- Trazabilidad de material; operaciones de mina y planta.

- Hidrometalurgia, lixiviación o procesos asociados a SX-EW.

- Unity Catalog, Delta Lake, Databricks Asset Bundles (DAB) y PySpark.

Formación académica

Título cualificado en Ingeniería, Estadística o carrera afín. Deseable formación de postgrado en Ciencia de Datos.

📌 Data Scientist (Región Metropolitana)
🏢 NTT DATA
📍 Región Metropolitana