Quien contrata un data scientist busca a alguien que formule un problema de negocio como un problema modelable, entrene algo que funcione fuera del notebook y sepa explicar por qué el modelo decide lo que decide. La lectura del CV pasa por tres filtros en orden: el stack (Python, SQL, scikit-learn, PyTorch o TensorFlow), la evidencia de modelos que llegaron a producción y las métricas, tanto técnicas (AUC, precisión, recall, RMSE) como de negocio (fraude evitado, rotación reducida, demanda mejor pronosticada).
El problema habitual de estos CV es el inverso al de otros perfiles: sobra teoría y falta producción. Aparecen cursos, papers leídos y competencias de Kaggle, y no se sabe si alguno de esos modelos alguna vez tomó una decisión real. Esta guía explica qué pesa en la lectura, qué keywords filtran los avisos, cómo escribir viñetas con métricas de modelo y de negocio, y cómo se ve un CV completo del rol dentro del área de tecnología.
En esta guía
Qué pesa en el CV de data scientist
Lo primero que se busca es el ciclo completo. Un CV que solo muestra exploración y entrenamiento describe a alguien que trabaja en notebooks; uno que muestra definición del problema, datos, validación, despliegue, monitoreo y reentrenamiento describe a alguien que entrega valor. Cada puesto debería dejar claro qué modelos llegaron a producción, quién los consume (una aplicación, un equipo, un proceso batch) y cada cuánto se actualizan.
Las métricas se escriben en dos niveles y conviene no elegir uno solo. El nivel técnico da credibilidad (AUC de 0,87, recall de 0,91 sobre la clase minoritaria, MAPE del 6 %) y el nivel de negocio da relevancia (2,4 millones en contracargos evitados, 18 % menos de quiebres de stock). Un CV con solo el primero parece académico; con solo el segundo, parece marketing.
La formación pesa más que en otros roles de tecnología. Licenciaturas en matemática, estadística, física, economía o ingeniería, y los posgrados, aparecen como requisito en buena parte de los avisos, junto con la base metodológica. Las publicaciones o la docencia se listan si son relevantes, en una sección propia y corta.
Keywords que buscan los avisos
Estos son los términos que más se repiten en los avisos de data scientist en LatAm y España:
- Python (pandas, NumPy, scikit-learn)
- SQL sobre data warehouse (BigQuery, Snowflake, Redshift)
- Machine learning supervisado y no supervisado
- XGBoost, LightGBM y random forest
- PyTorch o TensorFlow
- Series de tiempo y pronóstico de demanda
- NLP y embeddings
- Modelos de lenguaje y RAG
- Feature engineering y feature store
- MLOps (MLflow, Airflow, Docker, Vertex AI, SageMaker)
- Validación cruzada y ajuste de hiperparámetros
- Diseño experimental y tests A/B
- Inferencia causal
- Interpretabilidad (SHAP)
- Monitoreo de deriva y reentrenamiento
Se ubican en las viñetas, junto al problema que resolvieron y a la métrica, y se repiten agrupados en la sección de habilidades (lenguajes, modelado, infraestructura). Antes de postular a un aviso concreto, la herramienta para adaptar el CV a la oferta muestra qué términos del anuncio faltan en el documento.
Viñetas de experiencia que funcionan
Una viñeta convence cuando dice qué se predijo, con qué método, con qué precisión y qué cambió después. Los pares siguientes muestran la diferencia:
| Así no | Así sí |
|---|---|
| Desarrollo de modelos de machine learning | Entrené un modelo de scoring de fraude con XGBoost sobre 12 millones de transacciones (AUC 0,93) que evitó 2,4 millones de euros en contracargos durante el primer año |
| Análisis predictivo de clientes | Construí un modelo de propensión a la baja con recall de 0,88 sobre la clase de riesgo; la campaña dirigida al 10 % con mayor score redujo la rotación mensual del 4,1 % al 2,9 % |
| Trabajo con series de tiempo | Reemplacé el pronóstico manual de demanda de 1.800 SKU por un modelo LightGBM con estacionalidad (MAPE del 6 % frente al 19 % previo) y los quiebres de stock bajaron un 18 % |
| Uso de NLP | Clasifiqué 300.000 tickets de soporte con un modelo de embeddings y derivación automática (F1 de 0,84), y el tiempo de asignación pasó de 4 horas a 3 minutos |
| Puesta en producción de modelos | Empaqueté 5 modelos con MLflow y Docker sobre Vertex AI, con reentrenamiento semanal automático y alertas de deriva sobre 20 variables |
| Presentación de resultados | Expliqué con SHAP las 8 variables que más pesaban en el rechazo de créditos, lo que permitió al área de riesgo documentar el modelo ante la auditoría regulatoria |
Junior vs. senior
En un perfil junior el CV se sostiene con formación y proyectos propios. Conviene mostrar dos o tres trabajos de punta a punta, con datos reales, repositorio ordenado, README con la pregunta y la conclusión, y preferiblemente algo desplegado (una API sencilla, un servicio con Docker): eso separa a quien sabe entrenar de quien sabe entregar. Las competencias de Kaggle suman si se explica la solución en una línea, no como lista de posiciones. SQL sólido y una base estadística clara pesan más que conocer diez librerías.
En un perfil senior se leen el alcance y la decisión técnica. Cuántos modelos en producción, qué volumen de datos y de inferencias, qué se decidió y por qué (un modelo simple bien monitoreado en lugar de una red profunda, por ejemplo), cómo se manejaron el sesgo y la interpretabilidad ante áreas de riesgo o legales, qué se construyó para el equipo (pipelines, feature store, criterios de validación) y a cuántas personas se mentoreó. Las viñetas incluyen el impacto económico y la vida útil del modelo.
Un modelo sin dato de producción es un ejercicio. Si llegó a producción, el CV debe decir quién lo consume, cada cuánto se reentrena y qué pasó con la métrica de negocio.
Errores frecuentes en este rol
Estos son los errores que más se repiten en los CV de data scientist:
- Todo notebook, nada de producción. Sin despliegue, monitoreo ni consumo real, el perfil se lee como académico y queda fuera de los avisos de producto.
- Métricas técnicas sin traducción. Un AUC de 0,91 no significa nada para quien contrata si no se aclara qué decisión mejoró y cuánto.
- Listar librerías como logros. Enumerar pandas, Keras, spaCy y Hugging Face sin un problema asociado ocupa espacio y no diferencia.
- Confundirse con data analyst. Si el trabajo real fue reporting y tableros, el CV corresponde al rol de data analyst; inflarlo con machine learning genera preguntas imposibles en la entrevista técnica.
- Omitir SQL y el trabajo con datos. Buena parte del rol es conseguir y limpiar los datos; un CV que lo esconde parece incompleto.
- Proyectos de curso repetidos. Los datasets clásicos de titanic, iris o precios de viviendas no muestran criterio. Una plantilla de CV de una columna deja espacio para describir dos proyectos propios con contexto real.
Ejemplo de CV de data scientist
El siguiente ejemplo condensa lo anterior en un CV de una página para un perfil de mitad de carrera. Los nombres y las empresas son ficticios.
Data scientist con 6 años de experiencia en banca y retail, con foco en riesgo, fraude y pronóstico de demanda. Modelos en producción con scikit-learn, XGBoost y MLflow sobre Vertex AI, con reentrenamiento automático y monitoreo de deriva. Base fuerte en estadística, diseño experimental e interpretabilidad para áreas reguladas.
Data Scientist Senior, Banco Litoral, Montevideo. 2022 - actualidad
- Entrené un modelo de scoring de fraude con XGBoost sobre 12 millones de transacciones (AUC 0,93) que evitó 2,4 millones de dólares en contracargos durante el primer año.
- Expliqué con SHAP las 8 variables que más pesaban en el rechazo de créditos, lo que permitió al área de riesgo documentar el modelo ante la auditoría regulatoria.
- Empaqueté 5 modelos con MLflow y Docker sobre Vertex AI, con reentrenamiento semanal automático y alertas de deriva sobre 20 variables.
Data Scientist, Cadena Rivera (retail), Montevideo. 2019 - 2022
- Reemplacé el pronóstico manual de demanda de 1.800 SKU por un modelo LightGBM con estacionalidad (MAPE del 6 % frente al 19 % previo) y los quiebres de stock bajaron un 18 %.
- Construí un modelo de propensión a la baja con recall de 0,88; la campaña dirigida al 10 % con mayor score redujo la rotación mensual del 4,1 % al 2,9 %.
- Clasifiqué 300.000 tickets de atención con un modelo de embeddings y derivación automática (F1 de 0,84); el tiempo de asignación pasó de 4 horas a 3 minutos.
Licenciatura en Estadística, Universidad de la República, 2018. Maestría en Ciencia de Datos, Universidad ORT Uruguay, 2021. Google Cloud Professional Machine Learning Engineer, 2024.
Python (pandas, NumPy, scikit-learn, XGBoost, LightGBM), PyTorch, SQL (BigQuery, PostgreSQL), MLflow, Airflow, Docker, Vertex AI, SHAP, Git, Power BI. Inglés avanzado (C1).
Preguntas frecuentes
¿Hace falta un posgrado para trabajar como data scientist?
No siempre, pero ayuda en banca, salud, investigación y en las empresas grandes, donde muchos avisos lo listan como requisito o ventaja. En producto y startups pesa más la evidencia de modelos en producción con impacto medido. Un perfil sin posgrado compensa con proyectos propios completos y con base estadística demostrable.
¿Cómo se muestran los proyectos de Kaggle en el CV?
En una sección corta de proyectos, con el problema, el enfoque y el resultado en una línea cada uno, no como lista de posiciones. Una competencia con una solución explicada y un repositorio limpio aporta; cinco menciones sin contexto ocupan lugar que debería usarse para experiencia o proyectos propios.
¿Conviene incluir modelos que no llegaron a producción?
Sí, si el trabajo tuvo alcance real y una conclusión que sirvió para decidir, aclarando que fue una prueba de concepto o un análisis. Lo que conviene evitar es presentarlos con lenguaje ambiguo que sugiera producción; en la entrevista técnica la diferencia se detecta enseguida.
¿Qué lugar ocupan los modelos de lenguaje en este CV?
Si hubo trabajo real con ellos (RAG, evaluación de respuestas, ajuste fino, clasificación con embeddings), va con el caso de uso y la métrica de calidad usada. Si solo hubo uso de herramientas comerciales, no corresponde listarlo como experiencia en machine learning.