ML Engineer para modelado predictivo de rendimiento agrícola

Universidad de San Andrés > Departamento de Ingeniería > Centro de Innovación Tecnológica·

Ubicación: Victoria, Buenos Aires. Posibilidad de teletrabajo.

Modalidad: Part-time

Duración: 6 meses con posibilidad de continuidad · Inicio: Octubre 2026

Desde el Centro de Innovación Tecnológica de la Universidad de San Andrés, buscamos un/a ML Engineer para liderar el desarrollo técnico de un proyecto de investigación aplicada junto a un grupo de empresas líderes del sector agropecuario argentino: predecir el rendimiento de cultivos extensivos combinando datos productivos de campo con información climática, satelital y de suelo.

Es un problema de datos antes que de modelos. Información generada por maquinaria en condiciones reales, múltiples orígenes, escalas espaciales y temporales distintas. La primera mitad del trabajo es construir una base confiable y trazable; la segunda, modelar sobre ella con algoritmos de aprendizaje supervisado.

Qué vas a hacer?

- Diseñar el esquema de datos y los pipelines de ingesta, limpieza y QA/QC para fuentes heterogéneas en formato, unidades y calidad.
- Estandarizar espacialmente la información georreferenciada e integrarla con datos climáticos, satelitales y de suelo, construyendo un repositorio de variables derivadas versionado y documentado.




- Desarrollar modelos de predicción de rendimiento para distintos momentos del ciclo del cultivo, con salida probabilística.
- Definir baselines y protocolos de evaluación rigurosos (validación temporal y espacial) y documentar todo con estándar científico.

Qué buscamos?

- Grado o posgrado en Cs. de la Computación, Ingeniería, Matemática, Física, Estadística o afines.
- Experiencia llevando proyectos de ML de punta a punta: de datos crudos y desordenados a modelos evaluados con rigor. Criterio y autonomía.
- Python (pandas, scikit-learn, gradient boosting, PyTorch) y SQL.
- Pipelines reproducibles y versionados, y buenas prácticas de ingeniería.
- Criterio estadístico para validar en contextos espacio-temporales.
- Se valorará: agtech, agricultura de precisión o teledetección; modelado de incertidumbre; datos climáticos de reanálisis y pronóstico; investigación aplicada previa.

Qué ofrecemos?

Ser la referencia técnica de un proyecto de alto impacto con implementación real y a escala nacional. Supervisión científica, libertad metodológica y posibilidad de publicar.

Para postularte

Enviá tu CV (y proyectos, publicaciones o GitHub si querés) a [email protected], asunto "Postulación - ML Engineer". Contanos en el mail un problema de datos desordenados que hayas resuelto.

📌 ML Engineer | Agritech (Victoria)
🏢 Universidad de San Andres
📍 Victoria