Machine Learning Ops Lead at Cashea

Buenos Aires, , Argentina -

Full Time

Start Date

Immediate

Expiry Date

13 May, 26

Salary

0.0

Posted On

12 Feb, 26

Experience

5 year(s) or above

Remote Job

Yes

Telecommute

Yes

Sponsor Visa

Skills

Machine Learning, MLOps, Python, CI/CD, Bayesian Models, Docker, Kubernetes, REST APIs, Cloud Platforms, Technical Writing, Communication, Incident Response, Monitoring, Automation, SDK Development, Data Science

Industry

Financial Services

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 Resumen del 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 . Responsablidades 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 Ongoing: Mantener y evolucionar SDKs/tooling basado en feedback DS Mejorar arquitectura serving modelos complejos (bayesianos, ensembles) Documentación continua (runbooks, troubleshooting guides) Office hours semanales Data Scientists (support + knowledge sharing) Requisitos Experiencia: 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 Técnico: Python avanzado (packaging, testing, documentation) MLflow (registry, tracking server, model serving, artifacts) Modelos bayesianos (PyMC, Stan, o similar) - productización y optimization Docker & Kubernetes básico Git & GitHub/GitLab workflows REST APIs design & development Cloud platforms (GCP preferible, AWS/Azure acceptable) 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 y autonomía Porque 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!

Responsibilities

The role involves building the infrastructure for Machine Learning and MLOps to enable Data Scientists to develop, deploy, and maintain Machine Learning models in production. Responsibilities include creating automated tools, SDKs, and pipelines to ensure reproducibility and governance of models.