# IA COMMUNITY at Kruger NearShore LLC - Rekluti

> Remote · Latin America · Unspecified · Software engineering · open. Source: https://alderhq.app/jobs/recruitee%3Aeasyapplyrekluti%3A2655181 (read 2026-11-09).

## Facts (observed)

- Company: [Kruger NearShore LLC - Rekluti](https://alderhq.app/companies/kruger-nearshore-llc-rekluti)
- Location text: Córdoba, Córdoba, Argentina; Bogotá, Distrito Capital de Bogotá, Colombia; Bogota, Distrito Capital de Bogotá, Colombia; Bogotá, Distrito Capital de Bogotá, Colombia; Bogota, Distrito Capital de Bogotá, Colombia; Buenos Aires, Ciudad Autónoma de Buenos Aires, Argentina; Ciudad de Mexico, Ciudad de México, Mexico; Ciudad de México, Ciudad de México, Mexico; Ciudad Mexico, Ciudad de México, Mexico; Quito, Pichincha, Ecuador; Guatemala, Guatemala, Guatemala; Guayaquil, Guayas, Ecuador; La Paz, La Paz, Bolivia, Plurinational State of; La Paz, Ciudad Autónoma de Buenos Aires, Argentina; La Paz, La Paz, Bolivia, Plurinational State of; Lima, Lima, Peru; Managua, Managua, Nicaragua; Medellin, Antioquia, Colombia; DF, Ciudad de México, Mexico; Panamá, Panamá, Panama; Quito, Pichincha, Ecuador; Quito, Pichincha, Ecuador; Quito, Guayas, Ecuador; Santo Domingo, Cibao Nordeste, Dominican Republic; San Jose, San José, Costa Rica
- Where it can be done from (inferred): Remote · Latin America (evidence: "Location: Córdoba, Córdoba, Argentina; Bogotá, Distrito Capital de Bogotá, Colombia; Bogot")
- Posted: 2026-06-25 (137 days ago)
- First seen by alder: 2026-11-04 · last verified: 2026-11-07
- Reposted: 0 times · edited: 0 times
- Apply on the employer's site: https://easyapplyrekluti.recruitee.com/o/ia-community
- Skills listed (inferred): Python, SQL

## Pay and sponsorship

- Posted pay: not posted
- Market band for similar posted roles (SF Bay Area, n 1752): p25 $161k, median $200k, p75 $239k

## Description (the employer's text)

### ¡Únete a la Comunidad de Inteligencia Artificial y Arquitectura Avanzada de Rekluti! 🚀🌐

En Rekluti, impulsamos la evolución analítica de las organizaciones. Buscamos científicos de datos y especialistas en Machine Learning que dominen el ciclo end-to-end de los modelos predictivos y su despliegue productivo sobre arquitecturas empresariales en la nube.

Formar parte de este pool te permitirá liderar frentes críticos de ingeniería de características, modelado, interpretabilidad y MLOps, conectando las necesidades del negocio con soluciones de alto impacto y escala masiva.

### Requirements

### Tus principales frentes de acción (Visión End-to-End)

### Ingeniería y Preparación de Datos

### Modelado y Optimización

### Despliegue y MLOps

### Interpretabilidad y Transferencia

### Hard Skills & Estándares del Pool

Buscamos profesionales que se ubiquen dentro de los siguientes niveles de especialización técnica:

### ⚡ Seniority & Experiencia Requerida

Perfiles Senior: Mínimo 5 años de trayectoria liderando proyectos end-to-end de ciencia de datos, con despliegues productivos reales).

Perfiles Semi-Senior: Entre 2 y 4 años de experiencia participando activamente en frentes de preparación de datos, modelado técnico y validación funcional.

### 💻 Stack Tecnológico Requerido

Lenguajes y Librerías: Python experto (pandas, scikit-learn) y dominio avanzado de SQL para modelos tabulares.

### Ecosistema de Datos Cloud

### Ecosistema ML & Gobierno

### 🎓 Si cuentas con certificaciones relacionadas son altamente valoradas

### ✨ Power Skills & ADN de la Comunidad

Mentalidad Resolutiva y Pragmática: Capacidad para traducir un problema complejo de negocio en una arquitectura analítica funcional en producción.

Responsabilidad y Confiabilidad: Rigor técnico absoluto en asegurar que los modelos cumplan con los estándares de estabilidad operativos antes del congelamiento (freeze) del dataset.

Humildad y Colaboración: Apertura para compartir conocimiento, guiar a otros ingenieros y recibir feedback técnico de manera positiva para potenciar el crecimiento del squad.

---
Data: alder (https://alderhq.app). Cite https://alderhq.app/jobs/recruitee%3Aeasyapplyrekluti%3A2655181 and the date you read it. Observed facts come from the employer's own listing; location reach, level, family and skills are inferences.