
Machine Learning Engineer
Cashea · Buenos Aires City, AR
Applications are made on Cashea's own site. We never sit in the middle.
Job description
¡Hola! Somos Cashea 👋 y nuestra misión es devolverle a los venezolanos la oportunidad de acceder al crédito a través de un modelo de negocio BNPL (buy now, pay later). Desde nuestro lanzamiento en 2022, nos hemos dedicado a promover la inclusión financiera . Hoy contamos con más de 9 millones de usuarios activos, tanto consumidores como comercios, y nos hemos convertido en una marca de confianza en Venezuela, ganándonos el corazón y la mente de las personas. Responsabilidades • Implementar retrieval de candidatos, ranking, reordenamiento por reglas de negocio y serving de baja latencia. • Construir los pipelines de features y embeddings, batch y online, que alimentan a los modelos. • Instrumentar el logging de impresiones, clicks y órdenes con las garantÃas necesarias para reentrenar sin sesgo de posición. • Definir el protocolo de evaluación offline y los experimentos online (A/B, interleaving, bandits) que autorizan cada release del ranking. • Implementar monitoreo y alertas sobre las fallas propias de un recomendador: cold start, cobertura de catálogo, sesgo de popularidad, caÃda de CTR y de conversión. • Modelar los datos y las transformaciones en el warehouse (dbt sobre BigQuery) que alimentan el Feature Store. • Realizar análisis ad hoc para el squad y coordinar con Data Engineering la calidad y disponibilidad de los datos. ¿Qué esperamos que ya sepas hacer? • Haber puesto al menos dos sistemas de recomendación en producción, no en un notebook, y poder explicar qué métrica movieron y qué no. • Filtrado colaborativo, modelos de grafos, factorización matricial y modelos secuenciales o basados en sesión, con criterio para decidir cuándo cada uno le gana a los otros y cuándo ninguno le gana a top-N por popularidad. • Diseñar el protocolo de evaluación completo: partición temporal, lÃneas base no personalizadas, métricas de ranking e incertidumbre sobre el número reportado. • Detectar y probar fuga temporal: joins point-in-time y tests que fallan antes de que el modelo llegue a producción. • Resolver cold start en las dos puntas, usuario nuevo y producto nuevo. • Trabajar con feedback implÃcito y catálogos incompletos, y medir cuánto se equivoca cada fuente de señal antes de meterla al modelo. • Traducir la mecánica del negocio a la función objetivo. Cashea asume el riesgo de crédito y su margen varÃa por aliado, asà que optimizar conversión sola es el objetivo equivocado. Requisitos • 6+ años en ML aplicado, con recomendación como especialidad y no como proyecto lateral. • 2+ años con herramientas de MLOps en producción: registry, tracking, model serving, monitoreo, versionado. • Python de producción: packaging, testing, procesos que corren solos. • SQL avanzado y modelado analÃtico con dbt o equivalente. • EstadÃstica aplicada: incertidumbre, tamaño de muestra y criterio para distinguir una diferencia real del ruido. • CI/CD pipelines (GitHub Actions, GitLab CI o equivalente). Técnico: • Python avanzado (packaging, testing, documentation) • LibrerÃas de recomendación (implicit, LightFM, TensorFlow Recommenders, PyTorch o similar) • Búsqueda vectorial y ANN (Vertex AI Vector Search, FAISS, ScaNN, pgvector) • Feature stores para features online de baja latencia (Vertex AI Feature Store, Bigtable, Redis) • MLflow (registry, tracking server, model serving, artifacts) • dbt sobre BigQuery o warehouse equivalente • Docker y Kubernetes básico • Git y GitHub/GitLab workflows • REST APIs design & development, con criterio de latencia (p95, p99) • Cloud platforms (GCP preferible, AWS/Azure aceptable) Deseable: • Bandits contextuales y exploración en producción (Thompson sampling, epsilon-greedy). • Modelos bayesianos (PyMC, Stan o similar) llevados a producción. • OCR y extracción de información de documentos. Soft Skills • Mentalidad de "internal tooling" (diseñar para otros desarrolladores) • Documentación clara y completa (technical writing) • Comunicación efectiva con Data Scientists (entender sus pain points) • Ownership/AutonomÃa • Criterio para decidir qué optimizar cuando la métrica offline y la del negocio no apuntan al mismo lado. Por qué te encantará trabajar en Cashea En Cashea tenemos una cultura de trabajo basada en la confianza y el propósito. Si quieres saber por qué somos el lugar ideal para ti, estos son nuestros valores fundamentales: • No trabajamos en piloto automático. Todo lo que hacemos y compartimos —dentro y fuera— es intencional. Nos apasiona crear ideas siendo plenamente conscientes del impacto que tienen en nuestros usuarios. • Tu creatividad y curiosidad son tus activos más importantes. • Tu voz importa. Escuchamos y abrimos espacio para las ideas y el feedback. Aquà todos pertenecen; lo que es importante para ti, lo es para nosotros. • Valoramos la transparencia. La claridad nos mantiene conectados y con los pies en la tierra. • Por último, pero no menos importante, nos enfocamos en el impacto real . Todo lo que hacemos está destinado a marcar la diferencia. ¿Te identificas? ¡Postúlate ahora, nos encantarÃa conocerte!
Other jobs you might want
Cashea
DevSecOps Engineer
Buenos Aires City, AR
Cashea
Analista de Finanzas Estratégicas
Buenos Aires City, AR
Cashea
Product Analytics Engineer
Buenos Aires City, AR
Cashea
Lead Analytics Engineer
Buenos Aires City, AR
Cashea
Machine Learning Platform
Buenos Aires, Latinoamerica, AR
Cashea
Technical Lead
Buenos Aires, Latinoamerica, AR