Senior ML Engineer - Recommender Systems (Production)

Winclap; Buenos Aires; On-site; VES 80,790,000 - 107,720,000; Full time

Job summary

Cashea busca ampliar su equipo de ML aplicado para mejorar sistemas de recomendación en producción. La función requiere diseñar y desplegar pipelines de features, embbedings y logs que faciliten reentrenamientos sin sesgo y evaluaciones offline/online rigurosas.

Se valoran experiencia con retrieval, ranking, A/B testing y monitorización de métricas como CTR, conversión y cobertura de catálogo; se trabajará con dbt, BigQuery y tech stack en nube.

Qualifications

• 6+ años en ML aplicado, con recomendación como especialidad y no como proyecto lateral.
• 2+ años con herramientas de MLOps en producción: registry, tracking, model serving, monitoreo, versionado.
• Python de producción: packaging, testing, procesos que corren solos.
• SQL avanzado y modelado analítico con dbt o equivalente.
• Estadística aplicada: incertidumbre, tamaño de muestra y criterio para distinguir una diferencia real del ruido.
• CI/CD pipelines (GitHub Actions, GitLab CI o equivalente).

Responsibilities

• Implementar retrieval de candidatos, ranking, reordenamiento por reglas de negocio y serving de baja latencia.
• Construir los pipelines de features y embeddings, batch y online, que alimentan a los modelos.
• Instrumentar el logging de impresiones, clicks y órdenes con las garantías necesarias para reentrenar sin sesgo de posición.
• Definir el protocolo de evaluación offline y los experimentos online (A/B, interleaving, bandits) que autorizan cada release del ranking.
• Implementar monitoreo y alertas sobre las fallas propias de un recomendador: cold start, cobertura de catálogo, sesgo de popularidad, caída de CTR y de conversión.
• Modelar los datos y las transformaciones en el warehouse (dbt sobre BigQuery) que alimentan el Feature Store.
• Realizar análisis ad hoc para el squad y coordinar con Data Engineering la calidad y disponibilidad de los datos.

Skills

ML en producción

Python

SQL avanzado

MLOps

Docker

Kubernetes

dbt/BigQuery

REST APIs

Tools

Vertex AI

FAISS

LightFM

TensorFlow Recommenders

PyTorch

Job description

Cashea busca ampliar su equipo de ML aplicado para mejorar sistemas de recomendación en producción. La función requiere diseñar y desplegar pipelines de features, embbedings y logs que faciliten reentrenamientos sin sesgo y evaluaciones offline/online rigurosas.

Se valoran experiencia con retrieval, ranking, A/B testing y monitorización de métricas como CTR, conversión y cobertura de catálogo; se trabajará con dbt, BigQuery y tech stack en nube.