Machine Learning Platform

🔥 1 minute ago

🇦🇷 Argentina – Remote

⏰ Full Time

🟡 Mid-level

🟠 Senior

🤖 Machine Learning Engineer

👻 Ghost score 10%

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

• Construir infraestructura de Machine Learning y MLOps para desarrollar, desplegar y mantener modelos en producción • Crear herramientas, SDKs y pipelines automatizados con reproducibilidad, observabilidad y gobernanza • Construir CLI tools para deployment automatizado (ml-deploy, ml-rollback) • Implementar workflows automatizados de MLflow para promoción de modelos de dev a staging y prod • Crear repositorios template con buenas prácticas para modelos y APIs • Establecer buenas prácticas para productización de modelos bayesianos • Documentar APIs y SDKs mediante Sphinx/MkDocs, tutoriales y ejemplos • Impartir sesiones de formación a Data Scientists • Desarrollar herramientas self-service para lograr más del 80% de autonomía de Data Scientists • Implementar suites de testing automatizado para validación y rendimiento de modelos • Optimizar el rendimiento de modelos bayesianos y MLflow en producción • Construir dashboards de monitoring para salud de modelos • Automatizar governance, approval gates y compliance checks • Proporcionar soporte de respuesta a incidentes y troubleshooting • Mantener y evolucionar SDKs y tooling según el feedback de Data Scientists • Mejorar la arquitectura de serving de modelos complejos • Mantener documentación continua, runbooks y troubleshooting guides

🎯 Requirements

• 5+ años de experiencia en Ciencia de Datos, Machine Learning o MLOps • 2+ años trabajando con herramientas MLOps en producción (registry, tracking, model serving, monitoring, versioning) • Experiencia construyendo SDKs/libraries Python para consumo interno • Experiencia con pipelines CI/CD (GitHub Actions, GitLab CI, Jenkins) • Capacidad de entender modelos bayesianos, ponerlos en producción 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 optimización • Experiencia con Docker y Kubernetes • Conocimientos de plataformas cloud (GCP preferible; AWS/Azure aceptable) • Mentalidad de internal tooling para diseñar para otros desarrolladores • Documentación técnica clara y completa • Comunicación efectiva con Data Scientists • Ownership y autonomía • Se valoran experiencia con Feast, Airflow/Composer, modelos de riesgo crediticio, growth y fraude, fintech o entornos regulados, contribuciones open source, Evidently AI o similar, Model Governance, liderazgo de iniciativas de developer experience y metodologías ágiles

🏖️ Benefits

• Cultura de trabajo basada en la confianza y el propósito • Entorno de trabajo completamente remoto • Espacio para la creatividad, curiosidad, ideas y feedback • Cultura de transparencia y enfoque en el impacto real