¡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!