Machine Learning Engineer

🕒 March 20

🇻🇪 Venezuela – Remote

⏰ Full Time

🟡 Mid-level

🟠 Senior

🤖 Machine Learning Engineer

👻 Ghost score 65%

What it means: how likely this posting is sitting open without active hiring.How to read it: 60% or higher means we think this is a ghost. Lower scores are less of a worry.How we score it: age, reposts, open roles vs team size, how fast jobs close, and whether pay is listed.Fine print: an estimate from public data, not a judgment of the company. Real jobs can score high, so treat it as a hint, not a fact.

Apply Now

Find Similar Remote Jobs

Set Up Email Alert For New Jobs

📊 Check your resume score for this job

Improve your chances of getting an interview by checking your resume score before you apply.

Upload Resume

Cashea

WebsiteLinkedInAll Job Openings

501 - 1000 employees

Founded 2022

💳 Fintech

🛍️ eCommerce

👥 B2C

💰 $750k Seed Round - Cashea on 2025-03

Fintech • eCommerce • B2C

Cashea is a Venezuelan buy-now-pay-later fintech offering an app-based payment line that lets consumers purchase at partner merchants and pay in scheduled, interest-free installments. The platform pre-approves credit lines quickly, supports both in-store and online payments across thousands of partnered retailers, and includes a loyalty program to reward responsible usage. Cashea focuses on consumer financing for everyday and larger purchases while onboarding merchants to accept flexible installment payments.

📋 Description

• Implementar retrieval de candidatos, ranking, reordenamiento por reglas de negocio y serving de baja latencia • Construir pipelines batch y online de features y embeddings para alimentar modelos • Instrumentar logging de impresiones, clicks y órdenes para permitir reentrenamiento sin sesgo de posición • Definir protocolos de evaluación offline y experimentos online, incluyendo A/B, interleaving y bandits • Implementar monitoreo y alertas para cold start, cobertura de catálogo, sesgo de popularidad, caída de CTR y conversión • Modelar datos y transformaciones en el warehouse mediante dbt sobre BigQuery para alimentar el Feature Store • Realizar análisis ad hoc para el squad • Coordinar con Data Engineering la calidad y disponibilidad de los datos

🎯 Requirements

• Haber puesto al menos dos sistemas de recomendación en producción • Experiencia con filtrado colaborativo, modelos de grafos, factorización matricial y modelos secuenciales o basados en sesión • Diseñar protocolos completos de evaluación, incluyendo partición temporal, líneas base, métricas de ranking e incertidumbre • Detectar y probar fuga temporal mediante joins point-in-time y tests • Resolver cold start para usuarios y productos nuevos • Experiencia con feedback implícito y catálogos incompletos • Traducir la mecánica del negocio a la función objetivo • 6+ años en ML aplicado, con recomendación como especialidad • 2+ años con herramientas de MLOps en producción • Python avanzado de producción: packaging, testing y documentación • SQL avanzado y modelado analítico con dbt o equivalente • Estadística aplicada: incertidumbre, tamaño de muestra y distinción entre señal y ruido • Experiencia con CI/CD pipelines • Librerías de recomendación: implicit, LightFM, TensorFlow Recommenders, PyTorch o similar • Búsqueda vectorial y ANN: Vertex AI Vector Search, FAISS, ScaNN o pgvector • Feature stores para features online de baja latencia: Vertex AI Feature Store, Bigtable o Redis • MLflow: registry, tracking server, model serving y artifacts • dbt sobre BigQuery o warehouse equivalente • Docker y Kubernetes básico • Git y workflows de GitHub/GitLab • Diseño y desarrollo de REST APIs con criterio de latencia p95/p99 • Plataformas cloud: GCP preferible; AWS/Azure aceptable • Deseable: bandits contextuales y exploración en producción • Deseable: modelos bayesianos llevados a producción • Deseable: OCR y extracción de información de documentos • Mentalidad de internal tooling • Documentación clara y completa • Comunicación efectiva con Data Scientists • Ownership/autonomía • Criterio para decidir qué optimizar cuando las métricas offline y de negocio difieren

🏖️ Benefits

• Completamente remoto • Cultura de trabajo basada en la confianza y el propósito • Ambiente que valora la creatividad, curiosidad, voz de los empleados, transparencia e impacto real