Descripción del puesto

Analista de Datos, esquema hibrido, turno mañana.

Misión del Puesto

Diseñar, desarrollar y mantener soluciones de datos e inteligencia artificial generativa sobre AWS que permitan integrar, transformar, gobernar y disponibilizar información confiable para la toma de decisiones y la automatización de procesos del negocio.

El puesto deberá contribuir a:

• Construir pipelines de datos escalables, seguros y trazables en AWS.

• Diseñar casos de uso de GenAI con Amazon Bedrock, incluyendo RAG, agentes, orquestación con herramientas y consumo seguro de modelos fundacionales.

• Participar en la implementación y operación de agentes productivos con Amazon Bedrock AgentCore, contemplando runtime, gateway, memoria, identidad, observabilidad y controles de acceso.

• Facilitar modelos de datos, datasets y bases de conocimiento consumibles por BI, Data Science, GenAI y áreas de negocio.

• Asegurar buenas prácticas de calidad, documentación, seguridad, privacidad y gobierno del dato.

Requisitos

• 2 a 4 años de experiencia en Data Engineering, Data Analytics, BI técnico, desarrollo de soluciones de datos o automatización analítica. Se valorará experiencia práctica en nube AWS y participación en casos de uso de IA generativa.

• Estudiante avanzado o graduado de Sistemas, Ingeniería, Ciencia de Datos, Licenciatura en Informática, carreras afines o formación técnica equivalente.

• AWS Data: S3, Glue, Athena, Redshift, Lambda, Step Functions, IAM, CloudWatch. Deseable: Lake Formation, EMR, MWAA, EventBridge, CDK/CloudFormation.

• • Amazon Bedrock: consumo de modelos fundacionales, diseño de prompts, integración con APIs, Knowledge Bases/RAG, embeddings, flows, evaluación de respuestas y criterios de seguridad/guardrails.

  • Amazon Bedrock AgentCore: nociones de Runtime, Gateway, Memory, Identity, Observability, Code Interpreter, Browser y despliegue/operación segura de agentes a escala.

  • Agentes y automatización: diseño de herramientas para agentes, integración con APIs/Lambda, control de permisos, trazabilidad, monitoreo y pruebas funcionales.

  • Lenguajes: SQL avanzado, Python. Deseable PySpark y experiencia con SDKs/CLI de AWS.

  • Bases y formatos: Parquet, CSV/JSON, particionamiento, modelado dimensional, data lake/lakehouse y preparación de fuentes para RAG.

  • BI/Consumo: Tableau, Amazon QuickSight.

  • DevOps/DataOps/MLOps: Git/GitHub, versionado, despliegues controlados, documentación técnica, monitoreo y buenas prácticas de seguridad.