Lead Machine Learning Engineer
Marathon TalentBuenos Aires
Presencial
hace 4 meses
A convenirDirecto de la empresa
MailerLite busca un Ingeniero de Machine Learning para construir la capa de inteligencia de sus productos, aplicando modelos predictivos y LLMs para potenciar sus servicios de email marketing.
Si te copa aplicar ML para resolver problemas reales y ver cómo tus modelos impactan a millones de usuarios, este puesto es para vos. Vas a construir la capa de inteligencia de MailerLite, trabajando tanto en modelos predictivos como en LLMs, y podés ser clave en la definición del equipo.
MailerLite es uno de los servicios de marketing por correo electrónico de más rápido crecimiento. Ayudamos a más de 1 millón de empresas en todo el mundo a mantenerse en contacto con sus clientes. Hoy, somos un equipo de más de 170 soñadores, aventureros y viajeros apasionados por lo que hacemos y en lo que creemos. Y estamos listos para que otra persona talentosa se una a la fiesta. Buscamos un Ingeniero de Machine Learning para ayudarnos a construir la capa de inteligencia detrás de nuestros productos: convertir los datos de comportamiento de más de un millón de empresas en predicciones y acciones que ayuden a nuestros clientes a llegar a las personas adecuadas, en el momento adecuado, en el canal adecuado, sin necesidad de un equipo de marketing completo. Trabajarás en todo el espectro de ML: modelos predictivos clásicos sobre datos de comportamiento a gran escala y trabajo aplicado de LLM, incluida la optimización de modelos con nuestros propios datos para potenciar un asistente impulsado por objetivos. Estamos apostando la próxima fase de MailerLite en ML, y esta es una de las primeras contrataciones para hacerlo realidad. Los datos ya están aquí. El equipo todavía se está formando, y tú jugarás un papel clave en su definición. Buscamos a alguien que esté emocionado de ayudar a construir lo que sigue. ¿Por qué MailerLite? - Construirás ML que realmente se lanza a los clientes: Este no es un rol de investigación que produce presentaciones. Serás dueño de los modelos de principio a fin, desde los datos y las canalizaciones de entrenamiento hasta la producción, y los verás generar resultados comerciales reales rápidamente. Trabajarás en modelos predictivos que muestran información de la audiencia y asistentes basados en LLM que convierten esas señales en recomendaciones accionables. - Crecerás, te desarrollarás y evolucionarás: Como parte de un equipo que siempre está buscando formas nuevas e innovadoras de crear valor para nuestros clientes, estarás experimentando, aprendiendo y probando nuevos enfoques constantemente. No solo ejecutarás tareas: se te animará a cuestionar suposiciones, explorar mejores soluciones y ayudar a dar forma a cómo usamos ML en todo el producto con el tiempo. - Tomarás posesión: Esperamos que asumas la plena responsabilidad de tus tareas. Los líderes de equipo evitan la microgestión y minimizan las interrupciones para que puedas mantenerte concentrado en tus asignaciones. - Tendrás expertos a mano: Siempre que te quedes atascado, tus compañeros de equipo con una amplia gama de experiencia están listos para ayudarte a crecer. ¡Y a ellos también les encantaría que compartieras tus conocimientos! - Elegirás dónde trabajas, todos los días: Adoptamos la cultura remota. Cada día puedes elegir el entorno que te hace más productivo. - Tendrás estabilidad: ¡Valoramos un lugar de trabajo estable! MailerLite ha estado prosperando durante más de 10 años y nuestro crecimiento interanual sigue aumentando. En qué trabajarás: - Construir y lanzar modelos predictivos sobre datos de comportamiento y eventos a gran escala: predecir la participación, encontrar el mejor momento y audiencia para cada mensaje, calificar la salud de la lista y descubrir segmentos de clientes. - Optimizar LLMs con nuestros propios datos y resultados para potenciar un asistente impulsado por objetivos que recomienda y toma medidas en nombre de un cliente. - Diseñar y ser dueño de las canalizaciones de entrenamiento e inferencia detrás de estos modelos: preparación de datos, entrenamiento, evaluación y servicio. - Construir herramientas de evaluación que demuestren que un modelo es genuinamente mejor antes de que se lance, midiendo el impacto en el mundo real, no solo métricas offline. - Aplicar resultados de modelos confiables y estructurados para que las predicciones y acciones puedan ser confiables en producción. - Colaborar con los equipos de producto e ingeniería que consumen tus modelos como infraestructura compartida.