Engenheiro(a) de Machine Learning Sênior

Estamos procurando um(a) Engenheiro(a) de Machine Learning Sênior com forte foco em Plataformas de ML para se juntar à nossa equipe. Se você é um(a) especialista em construir e otimizar a infraestrutura que capacita cientistas de dados e outros engenheiros de ML a desenvolver, implantar e gerenciar modelos de forma eficiente, essa é a sua chance de ter um impacto significativo!

Nessa função, você será a força motriz por trás da nossa plataforma de ML, projetando e implementando ferramentas e serviços que garantem escalabilidade, automação e governança de ponta a ponta para todo o ciclo de vida do Machine Learning.

Responsabilidades:

- Projetar, desenvolver e manter a nossa plataforma de Machine Learning, garantindo sua robustez, escalabilidade e performance; - Construir e otimizar pipelines de dados e ML para treinamento, validação e inferência de modelos em larga escala; - Implementar e gerenciar ferramentas de MLOps, como orquestração de experimentos, versionamento de modelos e dados, monitoramento de modelos em produção e CI/CD para ML; - Desenvolver e manter APIs e serviços que permitam a fácil integração de modelos de ML em aplicações; - Garantir a segurança, confiabilidade e observabilidade da plataforma de ML e seus componentes; - Definir e promover as melhores práticas de engenharia de software e MLOps dentro da equipe; - Avaliar e integrar novas tecnologias e ferramentas que possam aprimorar a capacidade da nossa plataforma de ML; - Atuar como mentor(a) para engenheiros(as) mais juniores, compartilhando conhecimento e expertise em engenharia de plataforma de ML.

Requisitos:

- Experiência sólida e comprovada como Engenheiro(a) de Machine Learning Sênior ou Engenheiro(a) de Plataforma de ML; - Proficiência em Python e experiência com desenvolvimento de software de alta qualidade; - Forte conhecimento e experiência prática com ferramentas e ecossistemas de MLOps (ex: MLflow, Kubeflow, SageMaker, Vertex AI, Dataiku, Databricks); - Experiência com arquiteturas de sistemas distribuídos, microsserviços e computação em nuvem (AWS, GCP ou Azure); - Conhecimento profundo em engenharia de dados, incluindo ferramentas de processamento de dados em larga escala (ex: Apache Spark, Kafka, Flink); - Experiência com bancos de dados relacionais e não-relacionais (ex: PostgreSQL, MongoDB, Cassandra, Redis); - Habilidade para projetar e implementar APIs RESTful robustas e eficientes; - Experiência com automação e CI/CD (ex: Jenkins, GitLab CI, GitHub Actions).