Engenheiro de Machine Learning

Buscamos uma pessoa experiente em Engenharia de Machine Learning para liderar a construção, implantação e escalonamento de modelos inteligentes em nossa infraestrutura. Como ML Engineer Sênior, você será a ponte entre a ciência de dados e a engenharia de software, garantindo que nossas soluções de IA não sejam apenas precisas, mas também resilientes, escaláveis e eficientes dentro do ecossistema Google Cloud.

Seu desafio será transformar protótipos em sistemas de produção de alto impacto, utilizando as melhores práticas de MLOps para sustentar o ciclo de vida completo dos modelos.

Responsabilidades:

• Arquitetura de Sistemas de ML: Desenvolver e implementar arquiteturas escaláveis para treinamento e inferência de modelos.
• Pipeline de Dados e ML: Construir e otimizar pipelines de CI/CD para Machine Learning (MLOps), automatizando desde o processamento de dados até o deploy e monitoramento.
• Otimização de Performance: Garantir a baixa latência e alta disponibilidade de modelos servidos via APIs ou processamento em batch.
• Colaboração Multidisciplinar: Trabalhar próximo a Cientistas de Dados para traduzir requisitos de negócio em especificações técnicas e garantir a reprodutibilidade dos experimentos.
• Mentoria Técnica: Orientar membros mais juniores da equipe, promovendo boas práticas de código (Clean Code), testes e documentação técnica.
• Gestão de Infraestrutura: Gerenciar e otimizar custos de recursos computacionais (GPUs/TPUs) e serviços gerenciados no GCP.

Requisitos:

• Experiência Sólida: Histórico comprovado na implementação de modelos de ML em ambiente de produção (nível sênior).
• Domínio de GCP: Experiência profunda com o ecossistema Google Cloud, especialmente:
• Vertex AI (Pipelines, Model Registry, Feature Store, Endpoint).
• BigQuery & BigQuery ML.
• Dataflow ou Dataproc para processamento de grandes volumes de dados.
• Cloud Storage e Artifact Registry.
• Linguagens e Frameworks: Fluência em Python e domínio de bibliotecas como TensorFlow, PyTorch ou Scikit-learn.
• Engenharia de Software: Experiência com Docker, Kubernetes (GKE) e ferramentas de CI/CD (GitHub Actions, GitLab CI ou Cloud Build).
• Bancos de Dados: Conhecimento avançado em SQL e familiaridade com bancos NoSQL.
• MLOps: Sólidos conhecimentos em monitoramento de modelos (drift detection) e versionamento de dados (DVC) e modelos (MLflow).