Engenheiro de Machine Learning (ML, LLM & AI)

Responsabilidades e Atribuições >>

• Implementar e evoluir pipelines de treino e inferência para ML, Deep Learning e LLMs, garantindo eficiência, estabilidade, reprodutibilidade e aderência às diretrizes técnicas.

• Publicar, versionar e atualizar features na Feature Store, assegurando consistência, rastreabilidade e qualidade dos dados usados em produção.

• Desenvolver e manter pipelines de RAG, incluindo ingestão, chunking, embeddings, vetorização, indexação e integração com mecanismos de recuperação.

• Gerenciar embeddings, vector stores e artefatos de IA generativa, aplicando práticas de governança, performance e versionamento definidas pelo capítulo.

• Aplicar práticas de MLOps, incluindo CI/CD, deploy automatizado, rollback, retraining, gestão de ambientes e observabilidade.

• Operacionalizar modelos e pipelines em Databricks e AWS, garantindo confiabilidade, segurança, escalabilidade e recuperação rápida de incidentes.

• Implementar monitoramento, métricas e alertas para detectar data drift, concept drift, falhas, latência excessiva, custos, disponibilidade e degradação de LLMs em produção.

• Realizar troubleshooting, correções e otimizações em pipelines e sistemas de inferência.

• Colaborar com Cientistas de Dados, operacionalizando modelos, ajustando requisitos não funcionais e garantindo a viabilidade produtiva das soluções.

• Trabalhar com Arquitetura, Engenharia de Dados e Segurança, garantindo aderência a padrões corporativos, governança e boas práticas de engenharia.

• Documentar pipelines, fluxos e decisões técnicas, tornando as soluções replicáveis, auditáveis e fáceis de manter.

• Contribuir com melhorias incrementais em performance, custo, automação e observabilidade, sempre dentro dos padrões definidos pelo capítulo.

Requisitos e Qualificações >>

• Perfil pragmático, capaz de propor soluções de complexidade adequada, entregando valor incremental e garantindo alta confiabilidade operacional.

• Perfil pragmático, adotando soluções de complexidade adequada e entregas incrementais com alta confiabilidade operacional.

• Forte base em engenharia de software, incluindo testes, versionamento, automação, arquitetura e boas práticas de código.

• Experiência com ML em produção, incluindo deploy, escalabilidade, debug, otimização e sustentação.

• Vivência com LLMs, embeddings e pipelines de RAG, incluindo integração com serviços gerenciados (ex.: AWS Bedrock).

• Proficiência em Python, SQL e PySpark, com domínio de frameworks de ML/DL (scikit-learn, PyTorch, TensorFlow).

• Experiência com Databricks (Spark, MLflow, Feature Store, Workflows).

• Conhecimento de AWS, especialmente SageMaker, Bedrock, S3 e serviços de integração.

• Sólidos conhecimentos de MLOps, incluindo CI/CD, automação, governança, versionamento, observabilidade e monitoramento.

• Noções de MCP (Model Context Protocol) e sua aplicação em integrações modernas entre agentes, modelos e workflows.

• Boa comunicação técnica e capacidade de colaboração multidisciplinar

Se interessou?