Especialista em Machine Learning Engineering - MLOps | Data Science

🚀 Sobre a Oportunidade

A área de Data Science tem como missão aplicar técnicas de machine learning para gerar soluções escaláveis, monitorar o desempenho de modelos e automatizar processos, apoiando a tomada de decisão e a otimização de resultados da organização.

Buscamos um Especialista em MLOps/ML Engineering para ser o principal responsável pela esteira de MLOps da área e o guardião da qualidade dos modelos em produção. É uma posição de viés técnico e mentoria técnica, na qual você atuará como multiplicador: definindo padrões, destravando gargalos e garantindo que a área de Data Science escale com qualidade e governança.

Saiba mais sobre nosso dia a dia no Instagram e no LinkedIn.

Confira nossas avaliações no Glassdoor.

🔍 O Que Procuramos

Pré-requisitos Essenciais:

Bacharelado ou mestrado em áreas da Computação, Ciência de Dados ou áreas correlatas.

Experiência comprovada com MLOps e Engenharia de Machine Learning.

Experiência comprovada na construção de esteiras de MLOps, não apenas no consumo de ferramentas prontas.

Experiência sólida com Databricks (Spark, Delta Lake, MLflow, Unity Catalog, Feature Store).

Programação em Python e PySpark (SQL como complemento).

Experiência com pipelines de dados e ML, incluindo padronização e experimentação de modelos (Airflow, MLflow, etc.).

Experiência com feature stores.

Experiência com técnicas e ferramentas de explicabilidade de modelos (SHAP, LIME, etc.).

Experiência com modelagem estatística (inferência, testes de hipótese, regressão, séries temporais, modelagem probabilística).

Experiência com ferramentas de CI/CD (GitHub Actions, GitLab CI, etc.).

Experiência prática com Azure.

Conhecimento de Docker e Kubernetes (incluindo AKS).

Alinhamento à nossa cultura.

Residir em São Paulo e ter disponibilidade para regime híbrido (3 dias presenciais por semana).

Diferenciais:

IA Generativa e soluções agênticas (LLMs, RAG, fine-tuning, embeddings, prompt engineering, orquestração multiagente, tool calling, memória), como visão de futuro da área.

Azure AI Foundry para desenvolvimento, deploy, avaliação e governança de aplicações de GenAI e agentes.

Frameworks de observabilidade/avaliação de LLMs e agentes (LangSmith, Ragas, Arize).

Feature stores de mercado (Feast, Tecton) e boas práticas para evitar training-serving skew.

IaC / automação (Terraform, Bicep).

Padronização e experimentação de modelos com ferramentas adicionais (Kedro, DVC, Metaflow).

Streaming de dados (Kafka, Event Hubs).

GPUs em Kubernetes, quantização e otimização de inferência de LLMs (ex.: KAITO/AKS).

Governança de dados e segurança de modelos.

🎯 Desafios e Impacto

Ser o principal responsável pela esteira de MLOps, conduzindo sua construção, evolução e operação ponta a ponta.

Garantir a qualidade dos modelos em produção, atuando como guardião dos padrões de Machine Learning em produção (confiabilidade, testes, documentação e SLAs).

Projetar e manter pipelines de dados e ML, do treinamento ao deploy e ao monitoramento em produção, de forma modular, versionada e reprodutível.

Habilitar o time de Data Science na adaptação ao padrão da esteira, disseminando boas práticas de engenharia de ML.

Mentorar tecnicamente profissionais em formação, por meio de design reviews, pareamento em problemas complexos e elevação do nível técnico do time.

Operar a infraestrutura de ML em nuvem, otimizando desempenho, custo e confiabilidade da inferência e do serving de modelos.

Atuar como ponte entre as áreas técnicas (Engenharia, Engenharia de Dados, Governança, DevOps, Gestão de Acessos e Arquitetura), antecipando dependências, riscos e bloqueios que impactam Data Science.

Colaborar com Data Science, Engenharia de Dados, Produto e Negócio na priorização, no desenho e na entrega das soluções.

⏳ Etapas do Processo

Triagem inicial: Análise do currículo para verificar a adequação às qualificações e requisitos da vaga.

Testes gerais: Avaliação do alinhamento cultural com o teste da Mindsight e teste de raciocínio lógico da Predictive Index.

Entrevista com a equipe de Recrutamento: Discussão sobre as expectativas em relação à vaga e aos objetivos profissionais.

Avaliação técnica: Entrevista focada nas habilidades específicas necessárias para a função.

Entrevista com a liderança: Uma conversa para discutir sua visão e como você pode contribuir para a equipe e a empresa.

Entrevista com colegas de trabalho: Interação com futuros pares para avaliar a sinergia e o trabalho em equipe.

Entrevista focada em cultura: Exploração dos valores e princípios da empresa para garantir um bom encaixe cultural.

Oferta: Apresentação da proposta de trabalho, incluindo detalhes sobre remuneração e benefícios.