Gerente de Ingeniería (ML)

• Más de 6 años de experiencia en ingeniería, incluyendo más de 3 años construyendo sistemas de ML en producción (NLP, aplicaciones de LLM, embeddings o clasificación a escala)
• Más de 2 años como Engineering Manager o ML Team Lead en una empresa de e-commerce, marketplace o fintech de rápido crecimiento
• Experiencia práctica lanzando productos basados en LLM: diseño de prompts y pipelines, fine-tuning, evaluación, control de costes y latencia, modelos autoalojados y basados en API
• Experiencia construyendo y operando pipelines de datos y ML a gran escala (batch y streaming), y logrando que sean observables, reproducibles y fiables
• Sólidos fundamentos de backend; te sientes cómodo revisando servicios en Go y Python y razonando sobre sistemas distribuidos
• Nuestro stack: Python, Go, PostgreSQL, Pub/Sub, BigQuery, GCS, Kubernetes, Google Cloud Platform, Airflow y una arquitectura de microservicios
• Gran dominio de la evaluación de ML: golden datasets, flujos de trabajo de etiquetado, métricas offline y pruebas A/B vinculadas a resultados de negocio
• Sentido de producto: conectas la calidad del catálogo con la conversión, el descubrimiento y el crecimiento de los comerciantes, y sabes priorizar en consecuencia
• Mentalidad proactiva y capacidad para trabajar de forma independiente
• Excelentes habilidades de comunicación en inglés (nivel B2 o superior)

Se valorará positivamente

• Experiencia con catálogos de productos, sistemas PIM o moderación de contenido en marketplaces
• Experiencia con contenido en lengua árabe
• Familiaridad con la residencia de datos y los requisitos de datos regulados

Tabby crea libertad financiera en la forma en que la gente compra, gana y ahorra, transformando su relación con el dinero. Más de 25 millones de usuarios eligen Tabby para mantener el control de sus gastos y sacar el máximo partido a su dinero.

La oferta principal de la empresa permite a los compradores dividir sus pagos online y en tiendas físicas sin intereses ni comisiones. Más de 70.000 marcas globales y pequeñas empresas, incluyendo Amazon, Noon, IKEA y SHEIN, utilizan Tabby para acelerar su crecimiento y captar clientes fieles ofreciendo pagos fáciles y flexibles online y en tiendas.
Tabby genera más de 18.000 millones de dólares en volumen de transacciones anuales para sus marcas asociadas y es la FinTech con mayor valoración, más reseñada, más grande y de más rápido crecimiento en la región del CCG.

Tabby se lanzó en 2019 y desde entonces ha recaudado más de 1.000 millones de dólares en financiación de capital y deuda de inversores globales y regionales, y actualmente está valorada en 6.500 millones de dólares.

• Responsabilidad sobre el pipeline de datos de producto de extremo a extremo: ingesta desde feeds y plugins, enriquecimiento por ML, moderación y publicación, con SLAs claros de frescura, cobertura y calidad
• Liderar la hoja de ruta de ML para la inteligencia del catálogo: árbol de categorías y cobertura de atributos, calidad de traducción, moderación asistida por ML, embeddings de artículos y recomendaciones
• Liderar grandes proyectos entre equipos y llevarlos a producción
• Contribuir a la planificación trimestral y a la definición de la hoja de ruta; definir e informar de los OKR para la calidad del catálogo y la personalización
• Revisar el diseño de funcionalidades y asegurar que se cumplen los requisitos no funcionales, incluyendo la evaluación de ML, el coste de inferencia, la latencia y la residencia de datos
• Construir y mantener la infraestructura de evaluación y etiquetado que permita al equipo medir cada cambio de modelo antes de que llegue a producción
• Supervisar la gestión de la deuda técnica y la gestión de incidentes en los servicios de ML y backend
• Contratar, evaluar y motivar a los miembros del equipo; hacer que los ingenieros de ML crezcan hasta convertirse en responsables de los resultados de negocio
• Fomentar la colaboración entre equipos y funciones con Shopping, Offers, Monetisation, operaciones de catálogo y soporte a socios para aumentar la eficiencia
• Promover una cultura orientada a los resultados y al negocio
• Monitorizar los indicadores clave de rendimiento del equipo
• Garantizar la transparencia de los procesos y de las entregas para los stakeholders y las funciones asociadas
• Optimizar los procesos para mejorar la productividad