Machine Learning Engineer

Hace 1 día

Quito, Ecuador Tipti Jornada completa
Descripción del puesto

¿Te apasiona resolver acertijos matemáticos hipercomplejos y ver cómo tus algoritmos mueven el mundo real en cuestión de segundos?

Como Machine Learning Engineer de Optimización de Operaciones, tomarás las riendas del cerebro logístico de nuestra operación: serás el dueño técnico de los algoritmos de ruteo, asignación y despacho en tiempo real. Olvídate de los modelos teóricos que se quedan en un Jupyter Notebook; aquí diseñarás y desplegarás motores de optimización combinatoria (VRP, TSP, matching dinámico) y Machine Learning para resolver el caótico rompecabezas de la última milla: desde trazar la ruta de picking perfecta dentro de un supermercado hasta predecir la demanda y orquestar flotas enteras bajo la presión del tráfico y el reloj. Si buscas un reto donde tu código impacte directamente la eficiencia de la ciudad, reduzca tiempos muertos y tome decisiones inteligentes a escala masiva sobre GCP, este es tu escenario.

Requisitos

¿Qué buscamos en ti?

Formación y Experiencia:

  • Educación: Título en Ingeniería de Sistemas, Ciencias de la Computación, Ingeniería Industrial, Investigación de Operaciones, Matemáticas o Estadística.

  • Trayectoria: 3+ años resolviendo y desplegando problemas de optimización o modelos de Machine Learning en producción real (buscamos impacto tangible, no solo experimentos académicos o PoCs).

Dominio Técnico & Herramientas:

  • Investigación Operativa y Ruteo: Experiencia sólida en optimización combinatoria, problemas de ruteo (VRP, TSP) y asignación (matching). Manejo de programación lineal y entera mixta (MILP), junto con heurísticas y metaheurísticas (ALNS, Simulated Annealing).

  • Stack de Optimización: Uso fluido de herramientas como OR-Tools, Gurobi, CPLEX, HiGHS, PuLP o Pyomo (se valorará conocimiento en VROOM, OSRM o GraphHopper).

  • Machine Learning & Datos: Experiencia aplicando PyTorch/TensorFlow, scikit-learn y XGBoost/LightGBM para modelar tiempos operativos, demanda y ETAs. Manejo avanzado de datos geoespaciales (H3, S2, PostGIS, matrices de distancia).

  • MLOps y Producción: Experiencia llevando modelos a producción en arquitecturas de baja latencia con Python avanzado, GCP (Vertex AI, BigQuery, Cloud Run, Pub/Sub), Docker y CI/CD.

  • Bonus: Experiencia previa en food/grocery delivery, quick commerce, logística de última milla o ride-hailing.

Beneficios

¿Qué ofrecemos?

  • Sueldo acorde al perfil y mercado.

  • Beneficios de ley y beneficios corporativos

  • El ambiente más cool para cultivar tu carrera profesional

  • Ambiente de reto y crecimiento profesional

Detalles

Nivel mínimo de educación: Universitario (Graduado)