Desarrollador Web Scraping

Buscamos una persona apasionada por la extracción y transformación de datos a gran escala, a quien le guste encontrar soluciones creativas para acceder, estructurar y normalizar información de fuentes web diversas y complejas. Debes ser una persona analítica, persistente e ingeniosa, capaz de adaptarse rápidamente a cambios en las fuentes de datos y enfrentar desafíos como CAPTCHAs, sitios dinámicos y mecanismos anti-bot. Tu perfil debe estar orientado a construir pipelines de extracción robustos, escalables y mantenibles, con conocimientos sólidos en Python y automatización de navegadores.
Funciones del cargoDiseñar, desarrollar y mantener scrapers y crawlers robustos para la extracción masiva de datos de fuentes web públicas, incluyendo sitios con renderizado dinámico (JavaScript).Implementar y administrar granjas de automatización de navegadores (Playwright, Selenium) capaces de operar decenas de sesiones concurrentes de forma estable.Desarrollar estrategias de evasión y adaptación frente a mecanismos anti-bot, CAPTCHAs, rate limiting y cambios estructurales en las fuentes de datos.Diseñar pipelines de procesamiento y normalización de datos extraídos, asegurando calidad, consistencia y trazabilidad de la información.Implementar sistemas de monitoreo, alertas y reintentos automáticos para garantizar la disponibilidad continua de los procesos de extracción.Optimizar el rendimiento y consumo de recursos de los scrapers, incluyendo gestión de proxies, rotación de identidades y paralelismo.Documentar fuentes de datos, lógica de extracción y reglas de negocio asociadas a cada scraper.Trabajar estrechamente con el equipo de backend y producto para integrar los datos extraídos en los servicios y APIs de la plataforma.
Requisitos del cargoMínimo 2 años de experiencia en web scraping y extracción de datos a escala con Python.Dominio de librerías y frameworks de scraping: Scrapy, BeautifulSoup, lxml, Requests, HTTPX.Experiencia sólida con automatización de navegadores headless: Playwright (preferido) o Selenium.Conocimiento en manejo de proxies, rotación de IPs y técnicas anti-detección.Experiencia con bases de datos NoSQL (MongoDB) y/o relacionales (PostgreSQL).Conocimiento en administración y desarrollo en entornos Linux.Experiencia con Docker y despliegue de servicios en la nube (AWS deseable).Capacidad para analizar y parsear estructuras HTML/CSS complejas, así como consumir APIs no documentadas.
Requisitos deseables:
Experiencia con colas de tareas y procesamiento asíncrono (Celery, Redis, asyncio).Conocimiento en resolución automatizada de CAPTCHAs (servicios de terceros o ML).Familiaridad con herramientas de orquestación y monitoreo (Grafana, Prometheus).Experiencia manejando alto volumen de datos y sesiones concurrentes (+50 sesiones simultáneas).
¿Qué te ofrecemos?
Contrato a término indefinido.Salario: Entre $5.500.000 y $7.500.000.Teletrabajo híbrido.Bonos por cumplimiento de metas trimestrales.Clases de yoga.Clases de inglés.Fondo de empleados.Cartera de puntos.