Company Description: ProntoPaga

: ¡Súmate a ProntoPaga!

En ProntoPaga, empresa que forma parte de Worldwide Payments (WWP) Services, holding tecnológico que impulsa el movimiento del dinero en Latinoamérica, desarrollamos soluciones de pago robustas, seguras y escalables para operar a nivel regional.

Creemos en la colaboración entre equipos, el aprendizaje continuo y el talento sin fronteras. Buscamos personas curiosas y creativas, con ganas de crecer y asumir nuevos retos junto a un equipo multidisciplinario y comprometido.

Si te motiva trabajar en un entorno dinámico, inclusivo y con impacto real… ¡este es tu lugar!

Buscamos a un/a profesional responsable de ejecutar, productivizar y mantener los modelos de Machine Learning del ecosistema fintech, alineándose con la estrategia del área e integrando competencias de Data Science y ML Engineering.

En su etapa inicial, el rol centrará su gestión en la revisión técnica, optimización y aseguramiento de calidad del código y metodología de los modelos predictivos existentes y en desarrollo (fraude, riesgo crediticio y churn), garantizando el cumplimiento de estándares productivos.

A partir de este diagnóstico, asumirá la implementación técnica de la disciplina de MLOps en el área, siendo responsable de construir pipelines automatizados de entrenamiento y despliegue, aplicar las políticas de versionado (modelos y datos), e implementar mecanismos de monitoreo continuo y detección de drift. El cargo reporta directamente al Head of Data & Analytics y coordina técnicamente con Producto, Riesgo y Compliance para el cumplimiento de requerimientos técnicos y del negocio.

¿Cuáles serán tus funciones principales?

- Desarrollar y productivizar modelos de Machine Learning:

- Trabajar sobre modelos existentes para internalizarlos, validarlos y refactorizarlos en código productivo.

- Diseñar e implementar modelos supervisados y no supervisados para detección de fraude, scoring crediticio, predicción de churn y segmentación.

- Transformar notebooks de experimentación en código modular, testeado y mantenible (Python packages, CI/CD).

- Documentar métricas de performance (precision, recall, F1, AUC-ROC) y generar reportes reproducibles.

- Construir y mantener pipelines de ML (MLOps):

- Diseñar pipelines end-to-end de entrenamiento, validación y re-entrenamiento automatizado de modelos.





- Implementar y gestionar registro de modelos con herramientas como MLflow o similar (versionado, tracking de experimentos, model registry).

- Configurar y operar infraestructura de serving de modelos: APIs REST (FastAPI), batch scoring o streaming según el caso de uso.

- Implementar mecanismos de monitoreo de modelos en producción: detección de drift de datos y concepto, alertas de degradación de performance.

- Asegurar reproducibilidad de experimentos y trazabilidad completa del ciclo de vida del modelo.

- Deploy y operación de modelos en producción:

- Desplegar modelos en ambientes cloud (AWS: SageMaker, Lambda, ECR, S3) con estándares de seguridad y latencia adecuados.

- Integrar modelos con sistemas operacionales: detección de fraude en tiempo real, scoring en onboarding, alertas automáticas a Compliance.

- Gestionar actualizaciones, rollbacks y pruebas A/B de modelos en producción.

- Colaborar con Data Engineering en la definición de feature stores y pipelines de datos para alimentar modelos en producción.

- Preparar y validar datasets para modelamiento:

- Realizar análisis exploratorio de datos (EDA) para entender características, distribuciones y correlaciones.

- Limpiar, transformar y validar la calidad de datos provenientes del Data Lakehouse.

- Aplicar técnicas de feature engineering para mejorar performance de modelos.

- Trabajar con datos sensibles (financieros, personales) asegurando privacidad y compliance regulatorio.

- Establecer estándares y mejores prácticas de MLOps:

- Definir y documentar el proceso estándar de desarrollo y despliegue de modelos en el equipo.

- Proponer e implementar herramientas y plataformas que aceleren el ciclo de experimentación producción.

- Investigar soluciones de la industria fintech y mantenerse actualizado en técnicas de ML/AI y MLOps.

- Comunicar resultados y hallazgos a stakeholders:

- Presentar insights y resultados de modelos a audiencias técnicas y no técnicas.

- Proporcionar recomendaciones accionables basadas en análisis de datos

¿Cuáles son los requisitos?

Formación Académica





- Ingeniería Civil en Computación, Ingeniería en Informática, Ingeniería Civil Industrial con mención computacional, o carreras afines.

- Postgrado o certificaciones en Machine Learning, MLOps, Data Science o Cloud (Deseable).

Experiencia

- 2 a 4 años de experiencia en roles de ML Engineer, Data Scientist con foco productivo, o similares.

- Experiencia comprobable en despliegue de modelos en ambientes productivos (no solo experimentación en notebooks).

- Deseable: experiencia previa en entornos fintech, banca o industrias de datos críticos.

Obligatorios

Conocimientos Técnicos

- Python avanzado: para ML (scikit-learn, pandas, numpy) y código productivo (packaging, tests, linting).

- SQL: para extracción y manipulación de datos a escala.

- Experiencia en modelamiento de ML: clasificación, regresión, clustering, detección de anomalías.

- MLflow o equivalente: tracking de experimentos, model registry, artifact store.

- APIs de serving: FastAPI o Flask para exponer modelos como servicios REST.

- Docker y contenedores: construcción de imágenes, gestión de ambientes reproducibles.

- Git y CI/CD: control de versiones y automatización de pipelines de integración/despliegue.

- Inglés técnico: capacidad de leer papers, documentación y artículos en inglés (nivel intermedio-avanzado).

Deseables

- AWS: Preferentemente con experiencia práctica en deploy de modelos.

- Feature stores: Feast, Tecton o similares.

- Orquestación de pipelines: Kestra o similares.

- Monitoreo de modelos: Herramientas para detección de drift.

- Frameworks de deep learning: TensorFlow o PyTorch (no excluyente, valorado).

- Técnicas de explicabilidad: SHAP, LIME.

¿Qué ofrecemos?

- Bono de cumpleaños, fiestas patrias y navidad.

- Acceso a nuestro palco VIP en Movistar Arena como beneficio adicional de cumpleaños (contrato fijo).

- Seguro complementario de salud (contrato indefinido).

- Convenio colectivo FALP (contrato indefinido).

- Ambiente de apoyo y crecimiento.

Lugar de trabajo: Las Condes (Metro Manquehue).

Modalidad: Presencial.

Compromiso con la diversidad y la inclusión En ProntoPaga promovemos un ambiente laboral diverso, equitativo e inclusivo, donde todas las personas son bienvenidas a postular sin distinción de género, orientación sexual, edad, nacionalidad, origen étnico, religión o discapacidad.

📌 Machine Learning Engineer (Santiago)
🏢 ProntoPaga
📍 Santiago