Senior Machine Learning Engineer | Data Engineering & GenAI (GCP)

Sobre a vaga: Operamos em duas frentes: a Plataforma Unificada de Pessoas, voltada a People Analytics e diagnóstico organizacional, e projetos de consultoria estratégica baseados em dados para grandes marcas globais. No lado de consultoria, construímos plataformas de analytics, modelos preditivos e camadas de IA generativa que alimentam decisões comerciais de alto nível, incluindo projetos para CPGs com presença em toda a América Latina.

Estamos contratando um(a) profissional sênior para atuar na interseção entre engenharia de dados, modelagem e IA em produção. O escopo é amplo por design: somos pequenos. Não há um engenheiro dedicado só a pipelines e outro só a modelagem. Você faz os dois, e precisa saber quando priorizar cada frente. O trabalho de consultoria é concreto: pegar dados de múltiplas fontes (sell-in, sell-out, P&L, market share, distribuição), estruturar pipelines que não quebrem toda semana, construir modelos que vão para produção de verdade, e desenvolver camadas de Q&A com IA generativa sobre esses dados. A plataforma interna de People Analytics caminha em paralelo, com modelagem de diagnóstico organizacional e integração de LLMs nos fluxos de produto.

Responsabilidades:

Estruturar e orquestrar pipelines de dados (BigQuery, GCP) com monitoramento real; Harmonizar múltiplas fontes com nomenclaturas inconsistentes e atualizações diárias; Construir modelos preditivos (XGBoost/LightGBM) e simuladores de cenário; Colocar ML em produção: APIs (FastAPI), versionamento (MLflow, DVC), monitoramento de drift; Desenvolver camadas de Q&A com IA generativa usando RAG, Vertex AI e LangChain; Trabalhar direto com produto, tech lead e fundador — e eventualmente apresentar resultados para executivos de clientes globais.

Requisitos:

Superior completo em Ciência da computação, Engenharia de Dados, Engenharia de software ou áreas afins; Python sólido e SQL avançado; GCP na prática: BigQuery, Vertex AI, Cloud Run; Orquestração de pipelines (Airflow, Prefect ou similar) — não só saber o que é, mas ter feito; ML em produção de verdade, não apenas notebooks; Familiaridade com LLMs, RAG e LangChain; Experiência com Metabase ou ferramenta de BI equivalente para entrega de insights a stakeholders; Inglês avançado para leitura técnica, documentação e contexto com clientes; Perfil autônomo: sabe definir própria agenda dentro de objetivos claros.

Perfil valorizado:

Quem já trabalhou com dados de negócio fora de grandes empresas de tecnologia — CPG, varejo, RH, mercado financeiro. A lógica de sell-in/sell-out, P&L e market share não é óbvia para todo mundo. Se você já navegou nesses contextos, vai se adaptar muito mais rápido.