Você será peça fundamental na estratégia de IA/ML da área de Operations, colaborando para que o time cumpra seu papel de dono da Estratégia de Receita da empresa. Seu trabalho será desenvolver soluções robustas e escaláveis que habilitem as operações de Marketing, Sales e Customer Success a serem ainda mais data driven, promovendo maior eficiência e impacto nos resultados do negócio. Suas principais entregas:
Construir pipelines de treinamento para modelos de Machine Learning e Deep Learning (supervisionado, não supervisionado e modelos de linguagem - LLMs) para resolver problemas de alto impacto. - Implementar e manter pipelines MLOps robustos (CI/CD, versionamento, monitoramento de desvio de modelo e drift de dados) para automatizar o ciclo de vida completo do modelo. - Integrar modelos de IA com aplicações front-end, back-end e sistemas operacionais, garantindo alta disponibilidade, baixa latência e escalabilidade. - Trabalhar em colaboração com Engenheiros de Dados para garantir fornecimento de features de alta qualidade e infraestrutura otimizada para treinamento e inferência. - Monitorar o desempenho dos modelos em produção, garantindo performance e retreinamento quando necessário, além de propor soluções arquiteturais inovadoras em MLOps e IA. Perfil que buscamos:
Graduação em TI, Ciência da Computação, Engenharia da Computação, Estatística ou áreas afins. - Experiência sólida em Engenharia de Machine Learning, com foco na operacionalização (deployment) de modelos em produção. - Experiência comprovada com o ciclo de vida completo (MLOps) de pelo menos um modelo de Deep Learning ou LLM. - Domínio de Python e bibliotecas de ML (TensorFlow, PyTorch, scikit-learn). - Experiência sólida com Google Cloud Platform (GCP), incluindo BigQuery, Cloud Functions/Run e Compute Engine. - Proficiência em MLOps (CI/CD, versionamento de modelos e data features). - Experiência com model serving e contêineres. Será considerado um diferencial:
Experiência com Vertex AI. - Conhecimento em algoritmos de Machine Learning, Deep Learning e suas aplicações. - Experiência com orquestração de workflows (Apache Airflow ou Google Cloud Composer). - Conhecimento em frameworks de LLMs (Hugging Face, LangChain ou similares). - Experiência em otimização de modelos para hardware específico (ex: GPUs). - Experiência com Infraestrutura como Código (Terraform). - Certificações específicas, como Google Professional Machine Learning Engineer. ---
Etapas do processo seletivo:
Aplicação - Envio da inscrição;
Mindsight – Teste de estilo de trabalho;
Talent Acquisition - Entrevista por competência com o time de recrutamento;
Entrevista Técnica - Entrevista técnica para discussão de requisitos da vaga;
Entrevista Final - Conversa final com a gerência para alinhamento;
Offer - Fase de conclusão do processo seletivo, com a apresentação da proposta de trabalho. Obs: Podem ter etapas complementares e/ou alterações, de acordo com a necessidade do processo.
