Se busca CTO para Doppler: motor de IA para la optimización de alquileres a corto plazo

⚠️Por favor, contáctame a través de conveyors.au@prok.com O simplemente charlemos un rato cuando tengas tiempo: https://calendly.com/levin-reichle/30min. Tengo problemas con mi bandeja de entrada en founderio, gracias. ;)

Constructor probado: usted es un ingeniero práctico con una sólida trayectoria en la creación y envío de productos impactantes de aprendizaje automático y datos.

Profundidad técnica: dominio técnico profundo de Python (FastAPI) y/o React/TypeScript, junto con herramientas de datos modernas (por ejemplo, Polars, SQL).

Experiencia relevante: Experiencia o fuerte aptitud para el desarrollo de sistemas de búsqueda/clasificación, raspado web a gran escala, búsqueda vectorial (pgvector) y modelos ML (por ejemplo, LightGBM).

Conocimiento de infraestructura: familiaridad con la infraestructura en la nube (por ejemplo, Supabase, Cloudflare Workers, Docker) y MLOps basics.

Evolución del producto: capacidad para diseñar e impulsar la evolución técnica de un producto desde MVP iniciales (simples y técnicos) hasta un sistema sofisticado y agente.

Team Liderazgo: Entusiasmo por construir, guiar y escalar una ingeniería de alto rendimiento. team desde el principio.

Startup Mentalidad: Poseer un sentido de propiedad extremo, una tendencia hacia la acción y prosperar en un entorno ambiguo y de ritmo rápido. startup ambiente.

• Raspado
• Algoritmos
• Aprendizaje automático
• Completa pila
• incrustaciones
• React
• Ingeniería de datos

Tienes fortalezas en...

• números, datos y lógica
• organizar y mantener las cosas ordenadas
• empujando y haciendo las cosas

Diseñar, construir e implementar el motor de IA central para propiedades matching y conocimientos, desde la ingesta de datos hasta recomendaciones prácticas.

Liderar el desarrollo técnico de la aplicación full-stack, garantizando una experiencia de usuario robusta y escalable.

Impulsar la evolución del producto a través de distintas fases: desde un MVP simple y ágil hasta un sistema técnicamente sofisticado y, en última instancia, hasta una plataforma de agencia completa.

Establecer y administrar la infraestructura de la nube, garantizando confiabilidad, rendimiento y rentabilidad.
Construir, orientar y hacer crecer una ingeniería de clase mundial team Capaz de abordar desafíos complejos de datos y aprendizaje automático.

Definir y ejecutar la hoja de ruta técnica, entregando el producto v1 en 8 semanas e iterando rápidamente en función de las necesidades del usuario. feedatrás.

- Capital significativo (30-40%) con un camino claro hacia un impacto que cambie la vida.
- La oportunidad de construir un producto de IA fundamental desde cero con alta autonomía.
- Un modelo de trabajo remoto y asíncrono dentro de la zona horaria CET±2.
- Centrarse en los desafíos de ingeniería reales y en el impacto empresarial medible.
- Posibilidad de estipendio previo a la financiación y compensación competitiva en el mercado después de la financiación.

Desbloquear el potencial oculto en propiedades de alquiler a corto plazo mediante datos impulsados por IA matching de landing pages

Un sistema impulsado por IA matching y una suite de optimización para STR, que identifica propiedades infravaloradas comparándolas con propiedades comparables exitosas. Proporciona información práctica para mejoras, precios dinámicos, pronósticos de ocupación y análisis de la opinión de los huéspedes, además de consultoría (TFA).

Desafíos

◦ Acceso y calidad de los datos: Recopilar de forma confiable datos de listados completos y estructurados de diversos portales especializados, respetando los límites técnicos y legales (por ejemplo, la prohibición de Airbnb sobre el raspado automatizado) e identificar "datos incorrectos" (por ejemplo, disponibilidad poco realista, propiedades con pocas reseñas que afirman un alto rendimiento o viviendas divididas en varios listados).

◦ Preciso matching: Desarrollar un motor de comparación que encuentre alquileres "similares" verdaderamente relevantes y produzca recomendaciones confiables y explicables, asegurando que los algoritmos se generalicen bien en varios mercados y tipos de propiedades.

◦ Adopción y confianza: convencer a los propietarios de propiedades (especialmente a aquellos que no están familiarizados con las estrategias de optimización) para que interactúen con la herramienta y actúen según sus sugerencias, superando su falta de comprensión del mercado y su baja visibilidad en los mercados competitivos.

Grupo objetivo

◦ Propietarios de propiedades privadas mayores de 60 años
◦ Son propietarios de propiedades antiguas en zonas urbanas
◦ Sus propiedades se encuentran en el segmento de precios altos de alquileres.
◦ Estos propietarios desconocen el negocio del mercado de alquileres ni la lógica de optimización de listados
◦ No utilizan gestores de cartera externos
◦ Sus propiedades suelen estar listadas en sitios de terceros.