# Data Scientist / ML. Buscamos a la persona que construya la capa de inteligencia de Idilio: modelos predictivos, agentes que optimicen marketing y producto, y herramientas de decisión basadas en LLMs. Una plataforma de micronovelas en español con +1M de descargas. ## Ubicación Ciudad de México / Bogotá Esquema híbrido ## Experiencia 2 – 5 años ## Reporta a CTO ## Foco ML, LLMs, agentes --- ## 01 — Sobre nosotros Una plataforma de micronovelas en español, basada en Colombia y México. Monetizamos con un modelo de monedas (microtransacciones), ads y suscripciones. Somos un equipo pequeño y técnico. Estamos en una etapa donde cada decisión basada en datos — qué shows producir, dónde gastar en adquisición, qué experimentos correr — tiene impacto directo en la economía del negocio. Nos movemos rápido, y en el centro de todo está la tecnología. +1M Descargas en 27 países, creciendo cada mes. 3 Prioridades para tus primeros 6 meses, alineadas con el crecimiento del negocio. 1ª Persona dedicada full-time a inteligencia y ML dentro de Idilio. --- ## 02 — El rol Vas a construir la capa de inteligencia de Idilio. Todo lo relacionado con modelos predictivos, clustering de usuarios, insights avanzados y automatización de flujos con agentes será tu responsabilidad. Este rol es fundamental para el éxito de Idilio: desarrollar estos modelos inhouse nos da una ventaja competitiva en el mercado. No construimos modelos en abstracto — cada uno se conecta a una decisión real del negocio. **Habilidades requeridas:** Python, PyTorch, sklearn, pandas, Claude API, LLMs + tools, Agentic pipelines, AWS / EC2, Redshift, Meta Ads API, A/B testing. --- ## 03 — Primeros 6 meses ### Tres prioridades claras desde el día uno. #### Prioridad 01 **Mayor impacto** ### Marketing agentic pipeline para Meta ROAS Diseñar y desplegar un sistema agéntico que optimice creatives, audiences y bidding en Meta Ads. Incluye: generación de variantes de creative, análisis de signal loops de Meta, decisiones de pausa/escala de campañas, y attribution modeling. Es la palanca de mayor impacto para nuestro crecimiento. #### Prioridad 02 **A producción** ### Script intelligence pipeline en producción Llevar el pipeline actual de scoring de scripts (corre en EC2 con la Claude API) de prototipo a herramienta de decisión real: validación de predicciones contra performance histórica, intervalos de confianza, y una interfaz que el equipo de contenido use para decidir qué shows producir. #### Prioridad 03 **Modelado** ### Modelos de éxito de show y user behavior Modelos predictivos para: probabilidad de éxito de un show antes de producirlo, churn prediction, propensión de pago, y valor de vida de usuario. Lo importante no es la sofisticación del modelo — es la calidad de validación, la honestidad sobre incertidumbre, y la integración con decisiones reales. --- ## 04 — Quién eres Buscamos honestidad estadística y pensamiento producto. No buscamos modelos sofisticados por sí mismos. Buscamos a alguien que se pregunte si la decisión que se va a tomar con el modelo justifica su complejidad — y que sepa cuándo un experimento no está midiendo lo que cree. ### Indispensable - Fundamentos sólidos de ML supervisado: regresión, clasificación, validación cruzada, feature engineering, métricas de evaluación. - Has desplegado al menos un modelo en producción y has lidiado con las cosas feas: drift, monitoreo, retraining, edge cases. - Python fluido. Pandas, sklearn, alguna experiencia con frameworks de deep learning (PyTorch o TensorFlow). - Fluidez con LLMs: APIs (Anthropic / OpenAI), prompting estructurado, outputs en JSON, uso de tools/function calling. Has construido al menos un pipeline real con LLMs. - SQL suficiente para no ser bloqueador. No necesitas ser experto, pero sí poder explorar datos por tu cuenta. - Honestidad estadística: correlación vs. causalidad, cuándo un 95% accuracy es inútil, cuándo un experimento no mide lo que cree. - Pensamiento producto: no construyes modelos en abstracto. - Entendimiento de conceptos de deep learning: redes neuronales, modelos generativos, reinforcement learning. ### Fuertemente preferido - Experiencia con pipelines agénticos (LangChain, LlamaIndex, frameworks custom, o construido desde cero). - Experiencia con sistemas de recomendación, ranking, o personalización. - Familiaridad con experimentación rigurosa: A/B testing, intervalos de confianza, multi-armed bandits. - Exposición a optimización de marketing (attribution, ROAS, MMM) o ad tech. --- ## 05 — Compensación y logística ### Cómo se ve el día a día y lo que ofrecemos. ### Base + equity Base competitiva calibrada a experiencia y ubicación, más equity. ### Híbrido CDMX 3–5 días en oficina con flexibilidad razonable en horarios y fechas. ### Equipo binacional Colaboración en persona en México y remota con el equipo en Colombia. ### Viajes Posibles viajes a Colombia para sincronizar con el equipo. --- ## 06 — Cómo aplicar Mándanos tres cosas. Leemos cada aplicación con cuidado. Si eres un fit, sabes de nosotros en una semana. ### 01 **Tu CV** Versión más reciente, en español o inglés. ### 02 **Carta de motivación** Cuéntanos qué parte de la empresa y del puesto te llama más la atención. ### 03 **GitHub, LinkedIn o portfolio** Lo que mejor represente cómo piensas y resuelves problemas. [Aplica Aquí](https://tally.so/r/1ApYdM) Una semana de respuesta. Sin filtros automatizados. Sin tareas de 40 horas.