Senior Data Scientist – Cuauhtémoc

BBVA

. Definir patrones, estándares técnicos, arquitecturas y marcos de evaluación para soluciones de Data Science aplicables en más de un equipo o proyecto.

Posted 11/7/2026full-timeMexico City • MexicoSeniorWebsite

Core Competencies

Role fit

Core Competencies

Use this summary to align your resume positioning with the role.

Demonstrates advanced expertise in Data Science, particularly in Machine Learning, Deep Learning, NLP, and GenAI, with a strong focus on designing robust evaluation frameworks and technical standards. Proven ability to mentor technical profiles and lead high-impact architectural decisions while ensuring effective risk management and alignment with business needs.

Highest-signal resume keywords

Advanced Python ProficiencyMachine Learning ExpertiseModel Evaluation and ValidationMLOps and CI/CD ExperienceCloud Environment Experience (AWS)

ATS Keywords

Tailor your resume

Applicant Tracking System Keywords

Tip: use these terms in your resume and cover letter to boost ATS matches.

Hard Skills

Data ScienceMachine LearningDeep LearningNatural Language Processing (NLP)Graph TheoryModel EvaluationExperimental DesignData Processing with SparkSQLTechnical Mentoring

Soft Skills

Technical JudgmentCritical ThinkingDecision-Making Based on EvidenceCollaborationRisk Management

Tools & Technologies

AWSPySparkMLOps ToolsCI/CD ToolsData Ecosystem Tools

Certifications & Qualifications

Bachelor's Degree in MathematicsBachelor's Degree in EngineeringBachelor's Degree in Computer ScienceMaster's Degree (Desirable)

Industry Keywords

Data Science StandardsModel GovernanceRobustness and InterpretabilityTechnical PatternsGenerative AI Techniques

Tech Stack

Tools & technologies

AWSCloudPySparkPythonSparkSQL

About the role

Key responsibilities & impact

Definir patrones, estándares técnicos, arquitecturas y marcos de evaluación para soluciones de Data Science aplicables en más de un equipo o proyecto.
Liderar o revisar decisiones técnicas de alto impacto en problemas de Machine Learning, Grafos, Deep Learning, NLP o GenAI.
Diseñar evaluaciones robustas de desempeño, calidad, explicabilidad, sesgos, seguridad, limitaciones y monitoreo de modelos.
Crear activos reutilizables como componentes, librerías, guías o patrones, acompañando su adopción transversal en equipos de Data Science.
Mentorear perfiles técnicos y colaborar con responsables de negocio y gobierno para asegurar soluciones de valor con adecuada gestión del riesgo.
Resolver y orientar decisiones técnicas donde no existe un patrón establecido o donde el riesgo, la novedad o la complejidad requieren juicio experto.
Convertir conocimiento especializado en estándares adoptables sin perder rigor experimental, trazabilidad, gobierno ni conexión con las necesidades de negocio.

Requirements

What you’ll need

Licenciatura en Matemáticas, Ingeniería, Actuaría, Informática, Ciencia de Datos o carreras afines.
De 8 a 12 años de experiencia en Data Science, con trayectoria demostrable resolviendo problemas técnicos complejos y tomando decisiones de arquitectura o evaluación para distintos proyectos o equipos.
Dominio avanzado de Python.
Experiencia profunda en Machine Learning y evaluación de modelos; conocimiento especializado demostrable en al menos un dominio como Grafos, Deep Learning, NLP, GenAI o sistemas de recomendación.
Manejo de procesamiento y análisis de datos con Spark, PySpark, SQL y herramientas del ecosistema de datos a escala.
Experiencia en diseño experimental, comparación contra baselines, validación de modelos y documentación de limitaciones.
Conocimiento de prácticas de gobierno de modelos: versionado, trazabilidad, documentación, controles de riesgo y monitoreo.
Capacidad para diseñar arquitecturas, patrones técnicos o activos reutilizables y acompañar su adopción.
Diseño de experimentos avanzados, selección de métricas y baselines, evaluación robusta, interpretabilidad, evaluación de sesgo y robustez, trazabilidad, monitoreo y análisis de fallas.
Diseño de patrones reutilizables, evaluaciones de referencia, decisiones de arquitectura, revisión de trade-offs y gobierno de soluciones de alta complejidad o riesgo.
Experiencia en entornos cloud, preferentemente AWS.
Experiencia con MLOps, CI/CD, despliegue y monitoreo de modelos.
Conocimiento de LLMs, RAG, evaluación de sistemas generativos, guardrails y técnicas de IA responsable.
Deseable: participación en comunidades técnicas, publicaciones, contribuciones a librerías o formación especializada.
Deseable prioritario: tokens, embedding, chunking, retrieval, prompting, fine-tuning o PEFT, golden datasets, guardrails, pruebas adversariales y fundamentos de agentes.
Conocimientos deseables en Agentic RAG, sistemas multiagente, evaluación y observabilidad de agentes, grafos de conocimiento, modelos multimodales, optimización de inferencia y activos técnicos reutilizables adoptados por otros equipos.
Deseable contar con Maestría o especialización técnica relevante.
Evidencia de estándares, evaluaciones, patrones o activos técnicos aplicados o pilotados en al menos dos contextos, así como experiencia sostenida en mentoring técnico.
Juicio técnico y pensamiento crítico.
Decisiones basadas en evidencia.
Rigor, calidad y gestión responsable del riesgo.

Benefits

Comp & perks

En BBVA creemos que contar con un equipo diverso, nos hace ser un mejor banco.
Apoyamos activamente la diversidad, la inclusión y la igualdad de oportunidades.
Ajustes razonables durante el proceso de selección para que puedas llevarlo a cabo de forma adecuada.