Machine Learning Platform
Cashea Rafael Castillo, Buenos Aires, Argentina
Financial Services · 501-1,000 employees
About the role
You will build and maintain the Machine Learning infrastructure and MLOps pipelines to enable data scientists to deploy models efficiently. This includes creating self-service tools, SDKs, and automated testing suites to ensure high-quality model production and observability.
What they look for
Requirements
The role requires over 5 years of experience in Data Science or MLOps, with at least 2 years specifically in production MLOps environments. Proficiency in Python, Docker, Kubernetes, and experience with Bayesian models and CI/CD pipelines are essential.
Full description
¡Hola! Somos Cashea 👋 y nuestra misión es devolverle a los venezolanos la oportunidad de acceder al crédito a través de un modelo de negocios BNPL. Desde nuestro lanzamiento en 2022, nos hemos dedicado a promover la inclusión financiera. Hoy día tenemos más de 9 millones de usuarios activos, tanto para consumidores como para comercios, y nos hemos convertido en una marca de confianza en Venezuela, conquistando mentes y corazones
Sobre el rol
Construir la infraestructura de Machine Learning y MLops que permite a Data Scientists desarrollar, desplegar y mantener modelos de Machine Learning en producción siguiendo buenas prácticas industriales. Responsable de crear herramientas, SDKs y pipelines automatizados que garantizan reproducibilidad, observabilidad y gobernanza de modelos, con enfoque en self-service y autonomía de equipos de ML. Incluye productización y mejora constante de modelos complejos (bayesianos, ensembles) con estándares de calidad enterprise .
Responsabilidades
- Construir CLI tools para deployment automatizado (ml-deploy, ml-rollback)
- Implementar workflows automatizados MLflow (promotion dev → staging → prod)
- Crear templates repositories con best practices (model template, API template)
- Establecer buenas prácticas para productización de modelos bayesianos (sampling, inference, monitoring)
- Documentar APIs y SDKs (Sphinx/MkDocs, tutoriales, examples)
- Training sessions Data Scientists (certificación uso plataforma Desarrollar herramientas self-service para Data Scientists (80%+ autonomy target)
- Implementar automated testing suites (model validation, performance checks)
- Optimizar performance modelos bayesianos en producción (MCMC efficiency, inference speed)
- Optimizar MLflow performance (caching, query optimization)
- Construir monitoring dashboards para model health (accuracy, latency, convergence diagnostics)
- Governance automation (approval gates, compliance checks)
- Incident response & troubleshooting support
- Mantener y evolucionar SDKs/tooling basado en feedback DS
- Mejorar arquitectura serving modelos complejos (bayesianos, ensembles)
- Documentación continua (runbooks, troubleshooting guides)
Requisitos
- 5+ años de experiencia en Ciencia de Datos, Machine Learning o MLOps
- 2+ años trabajando con MLOps tools en producción (registry, tracking, model serving, Monitoring, Versioning)
- Experiencia construyendo SDKs/libraries Python para consumo interno
- Experiencia con CI/CD pipelines (GitHub Actions, GitLab CI, Jenkins)
- Capacidad de entender modelos bayesianos, ponerlos en producción con buenas prácticas y mejorarlos
- Python avanzado (packaging, testing, documentation)
- Conocimientos en MLflow (registry, tracking server, model serving, artifacts)
- Experiencia en Modelos bayesianos (PyMC, Stan, o similar) - productización y optimization
- Experiencia en Docker & Kubernetes
- Conocimientos de Cloud platforms (GCP preferible, AWS/Azure acceptable)
- Mentalidad de "internal tooling" (diseñar para otros desarrolladores)
- Documentación clara y completa (technical writing)
- Comunicación efectiva con Data Scientists (entender sus pain points)
- Ownership y autonomía
Experiencia que suma
- Experiencia con Feast (Feature Store)
- Conocimiento Airflow/Composer (orchestration)
- Experiencia con modelos de riesgo crediticio (NPL prediction, credit scoring)
- Experiencia con modelos de growth (forecast, segmentación, churn)
- Experiencia con modelos de fraude (anomaly detection, classification)
- Experiencia en fintech o entornos regulados Contribuciones open-source (MLflow, Feast, PyMC, etc.)
- Experiencia con Evidently AI o similar (drift detection)
- Conocimiento de prácticas de Model Governance
- Experiencia liderando iniciativas de developer experience Familiaridad con metodologías ágiles (Scrum/Kanban)
Por qué te encantará trabajar en Cashea
En Cashea tenemos una cultura de trabajo basada en la confianza y el propósito. Si necesitas una pista de por qué somos una buena opción, estos son nuestros valores fundamentales:
- No trabajamos en piloto automático. Todo lo que hacemos es intencional. Nos encanta elaborar ideas plenamente conscientes del impacto que pueden tener en nuestros usuarios.
- Tu creatividad y curiosidad son el activo más Importante.
- Tu voz importa. Escuchamos y damos espacio a las ideas y al feedback. Todos pertenecen y lo que es importante para ti, también 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.
Si quieres trabajar con nosotros, llena la aplicación. ¡Nos encantaría conocerte!
Similar roles
-
Machine Learning Scientist - Apple Services Engineering, GenAI & ML Frameworks
Apple New York, New York, United States
-
Machine Learning Co-Op (Fall 2027)
Hendrickson Canton, Ohio, United States
-
Machine Learning Engineer (5-8 yrs)
Advanced Space Westminster, Colorado, United States · $124K–$171K/yr
-
Senior Machine Learning Engineer - New Verticals Agentic Foundations
DoorDash USA San Francisco, California, United States · $137K–$299K/yr
-
Senior Machine Learning Engineer, Payments
Airbnb United States · $191K–$223K/yr
-
Artificial Intelligence and Machine Learning Engineer, Senior
Booz Allen Hamilton Wahiawa, Hawaii, United States · $99K–$225K/yr