ActiveJobs
Cashea

Machine Learning Engineer

Cashea · Buenos Aires City, AR

Full-timeOn-sitePosted 21 November 2026
Continue to Cashea's application →

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 garantías 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, caída 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, líneas 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 implícito 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 varía por aliado, así 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 analítico con dbt o equivalente. • Estadística 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) • Librerías 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/Autonomía • 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. Aquí 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 encantaría conocerte!

Other jobs you might want

Browse all jobs on ActiveJobs →