Data Scientist – Visión por Computadora y Procesamiento de Señales Ubicación: Medellín, Área Metropolitana o municipios colindantes Modalidad: Híbrido – 1 día presencial a la semana Experiencia: 1 – 2 años Sector: Tecnología Agrícola (AgroTech – Poultry) Descripción del Rol En Sento Tech Labs buscamos un/a Data Scientist con foco en visión por computadora y procesamiento de señales , para trabajar en un proyecto de poultry de alta escala, donde los datos provienen de sistemas físicos operando en entornos reales de campo. El rol está orientado a entender, modelar y reducir el error en estimaciones de peso , integrando información proveniente de sensores físicos , señales temporales e imágenes. La persona trabajará en el núcleo analítico del sistema, abordando problemas relacionados con la calidad de los datos , la variabilidad ambiental , la incertidumbre de medición y la robustez de los modelos en producción . Se espera un perfil con mentalidad práctica y criterio ingenieril, capaz de experimentar, validar hipótesis con datos reales y traducir resultados técnicos en mejoras tangibles para el producto. Análisis de Datos y Error Analizar datos provenientes de sensores físicos y sistemas de visión. Identificar errores sistemáticos y aleatorios, drift, ruido, outliers y sesgos. Definir y mantener métricas de precisión, repetibilidad y confiabilidad. Evaluar la calidad de los datos y proponer mejoras en su captura. Desarrollar y ajustar soluciones basadas en imágenes para extracción de información relevante. Analizar el impacto de condiciones reales como iluminación, ángulo, distancia, movimiento y oclusión. Preparar, limpiar, organizar y versionar datasets de imágenes. Evaluar el desempeño de los modelos bajo condiciones no controladas. Procesamiento de Señales Analizar señales provenientes de sensores físicos. Comprender y mitigar efectos de ruido, offset, drift y variabilidad temporal. Integrar señales físicas con información visual y contextual. Modelado y Machine Learning Diseñar y evaluar modelos para estimación de variables físicas. Comparar enfoques físicos, estadísticos y basados en datos. Evaluar trade-offs entre precisión, estabilidad, complejidad e interpretabilidad. Validar el desempeño de las soluciones en entornos reales de operación. Experimentación y Validación Diseñar y ejecutar experimentos controlados y comparativos. Medir el impacto real de mejoras algorítmicas sobre métricas de negocio y operación. Documentar resultados de forma clara y accionable. Trabajar en conjunto con equipos de hardware, firmware y backend. Validar modelos utilizando datos reales de granja. Comunicar hallazgos técnicos a equipos multidisciplinarios. Trabajo en Campo Realizar visitas a granjas para entender condiciones reales de operación. Participar en la definición de protocolos de captura de datos. Disponibilidad para viajar y trabajar en campo cuando el proyecto lo requiera. Español: obligatorio Ubicación y Disponibilidad Residencia en Medellín o municipios colindantes. Disponibilidad para asistir a la oficina 1 día a la semana. Disponibilidad para viajar y realizar visitas a campo. Formación Académica Ingeniería, Matemáticas, Estadística, Ciencia de Datos o áreas afines. Experiencia Mínimo 1 año de experiencia práctica en Ciencia de Datos o Machine Learning. Experiencia trabajando con datos reales (no únicamente datasets académicos). Competencias Técnicas Programación en Python para análisis de datos y modelado. Manejo de librerías de análisis numérico y científico. Fundamentos sólidos de estadística aplicada a mediciones físicas. Uso disciplinado de control de versiones (Git). Productividad con IA Uso consciente y criterioso de herramientas de IA generativa para análisis, prototipado y mejora de código. Conocimiento de sensores, básculas o instrumentación. Experiencia con datos ruidosos y variables de campo. Conocimiento básico de backend, APIs o pipelines de datos. Manejo de entornos Linux y herramientas de terminal. Familiaridad con infraestructuras o pipelines de datos en la nube. #J-18808-Ljbffr