Científico de Datos Senior
Skill de nivel experto para diseño de experimentos A/B, ingeniería de características, evaluación de modelos predictivos e inferencia causal sobre datos observacionales. Incluye herramientas Python listas para producción con Scikit-learn, XGBoost, statsmodels y MLflow.
Incluida en el Pase · para Python, Scikit-learn, XGBoost
// qué_hace
Provee workflows completos de ciencia de datos: desde el diseño estadístico de experimentos controlados hasta la construcción, evaluación y registro de modelos predictivos y el análisis causal con diferencias en diferencias.
// cómo_lo_hace
Combina código Python production-ready (cálculo de tamaño muestral, pipelines de features, validación cruzada con AUC-ROC/AUC-PR, SHAP, MLflow logging) con checklists de buenas prácticas y tres scripts CLI para diseño de experimentos, ingeniería de características y evaluación de modelos.
// ejemplo_de_uso
Para equipos de datos que necesitan pasar de hipotesis a modelo en produccion sin improvisar. Ej.: disenyas un A/B test con el tamano muestral correcto, entrenas el modelo y lo registras en MLflow con metricas AUC-ROC.
// plataformas
// opiniones_de_la_comunidad
Opiniones
Cargando opiniones…