Quiénes somos

Acerca de Stripe

Stripe es una plataforma de infraestructura financiera para empresas. Millones de compañías, desde las empresas más grandes del mundo hasta las startups más ambiciosas, utilizan Stripe para aceptar pagos, aumentar sus ingresos y acelerar nuevas oportunidades de negocio. Nuestra misión es aumentar el PIB de Internet, y tenemos una cantidad asombrosa de trabajo por delante. Eso significa que tienes una oportunidad sin precedentes de poner la economía global al alcance de todos mientras haces el trabajo más importante de tu carrera.

Acerca del equipo

La organización de Riesgo de Transacciones optimiza cada uno de los miles de millones de dólares de transacciones procesadas anualmente por Stripe en nombre de nuestros usuarios, maximizando las transacciones exitosas mientras minimiza los costos de pago y el fraude. Poseemos productos como Radar de principio a fin, desarrollando modelos de aprendizaje automático, construyendo servicios rápidos y escalables y creando experiencias de usuario intuitivas. Proporcionamos predicciones en tiempo real como parte de la infraestructura de pago de Stripe y diseñamos controles que aprovechan el ML para gestionar de manera óptima los negocios de los usuarios.

Qué harás

Como ingeniero de aprendizaje automático, diseñarás y construirás plataformas y servicios que sean configurables y escalables en todo el mundo. Te asociarás con muchas funciones en Stripe, con la oportunidad de trabajar tanto en sistemas de infraestructura/plataforma, como de producir un impacto comercial directo en el usuario.

Responsabilidades

• Diseñar sistemas de aprendizaje automático y pipelines para entrenar y ejecutar modelos de aprendizaje automático que mejoren la eficiencia de las transacciones en Stripe. Esto podría implicar:
• Construir modelos de predicción para nuevos aspectos de los resultados de las transacciones, como si esperamos ganar una disputa dada una evidencia presentada automáticamente.
• Mejorar la precisión de nuestros modelos de predicción para los resultados de las transacciones, como si un pago será aceptado o rechazado por la red de tarjetas, o disputado como fraudulento por un titular de tarjeta.
• Entender las necesidades comerciales de nuestros usuarios para evaluar el rendimiento del modelo y mejorar el modelo de valor que utilizamos para evaluar los resultados de las transacciones.
• Desarrollar y evaluar nuevas arquitecturas de modelo que mejoren la precisión de nuestros modelos de predicción.
• Incorporar nuevas características y fuentes de datos.
• Escribir código de simulación en nuestros clusters distribuidos para ayudarnos a entender qué pasaría en diferentes segmentos si cambiáramos la forma en que actuamos con nuestros modelos.
• Integrar nuevos modelos y comportamientos en el flujo de pago central de Stripe.
• Colaborar con nuestro equipo de infraestructura de aprendizaje automático para construir soporte para nuevos tipos de modelo en nuestra infraestructura de puntuación.
• Mentorizar a ingenieros al principio de su carrera técnica para ayudarles a crecer

Quién eres

Buscamos personas con una sólida formación y pasión en la construcción de sistemas y servicios backend exitosos, así como APIs que proporcionen un impacto de producto significativo a nuestros clientes. Te sientes cómodo enfrentándote a los cambios. Te encanta tomar la iniciativa, y tienes una tendencia hacia la acción.

Buscamos a alguien que cumpla con los requisitos mínimos para ser considerado para el puesto. Si cumples con estos requisitos, te animamos a que presentes tu solicitud. Las calificaciones preferidas son un bono, no un requisito.

Requisitos mínimos

• Más de 5 años de experiencia en la industria desarrollando software en un equipo de datos o de aprendizaje automático
• Un título avanzado en un campo cuantitativo (p. ej., estadísticas, física, informática) y algo de experiencia en ingeniería de software en un entorno de producción.
• Conocimientos sobre cómo manipular datos para realizar análisis, incluyendo consulta de datos, definición de métricas, o segmentación y análisis de datos para evaluar una hipótesis.
• La capacidad de prosperar en un entorno colaborativo que involucra a diferentes interesados y expertos en la materia.
• Orgullo en trabajar en proyectos hasta su finalización exitosa, involucrando una amplia variedad de tecnologías y sistemas.
• Comodidad trabajando directamente con tus usuarios.
• Empatía con los usuarios y un fuerte enfoque en el cliente
• Disfrutas trabajar con un grupo diverso de personas con diferentes habilidades

Calificaciones preferidas

• Experiencia o interés en ML, que impulsa muchos de los productos que poseemos
• Experiencia en pagos y/o fraude