MLOps | Machine Learning Operations Pleno ou Sênior

A hub xp é uma software house referência em outsourcing de tecnologia e está conduzindo um processo seletivo para atuar em um de nossos principais clientes — uma multinacional líder nos setores de Educação e Saúde , com forte presença internacional e listada na Bolsa de Nova York (NYSE) . Trata-se de um ambiente de alta performance, inovação contínua e impacto real na vida de milhões de pessoas , onde você terá a chance de contribuir em projetos estratégicos, com tecnologias de ponta e amplo espaço para crescimento profissional .

Sobre a Vaga Buscamos um(a) Engenheiro(a) MLOps para integrar nosso time de dados e ser responsável pela operacionalização de modelos de machine learning. Este profissional será fundamental para criar a ponte entre ciência de dados e produção, garantindo que nossos modelos sejam deployados, monitorados e mantidos com excelência em ambientes produtivos.

Responsabilidades Projetar e implementar pipelines de CI/CD para modelos de machine learning
Automatizar o ciclo de vida completo de ML: treinamento, validação, deploy e monitoramento
Containerizar modelos usando Docker e orquestrar com Kubernetes
Implementar versionamento de modelos, datasets e experimentos
Desenvolver APIs robustas para servir modelos em produção
Monitorar performance, drift e degradação de modelos em produção
Colaborar com Cientistas de Dados para otimizar modelos para produção
Integrar pipelines de ML com a infraestrutura de dados existente (DBT, warehouse)
Estabelecer práticas de governança e compliance para modelos de ML
Implementar estratégias de A/B testing e rollout gradual de modelos
Documentar arquiteturas, processos e melhores práticas de MLOp.

Requisitos Obrigatórios Formação em Engenharia, Ciências da Computação ou áreas correlatas
Experiência sólida com Python e frameworks de ML (TensorFlow, PyTorch, Scikit-learn)
Domínio de Docker e containerização de aplicações
Experiência com Kubernetes ou similares para orquestração
Conhecimento profundo em Git e práticas de versionamento
Experiência com plataformas cloud (AWS, GCP ou Azure) para ML:
AWS: SageMaker, Lambda, ECR, ECS/EKS
GCP: Vertex AI, Cloud Run, GKE
Azure: Azure ML, AKS
Experiência com ferramentas de MLOps (MLflow, Kubeflow, Weights & Biases, ou similares)
Conhecimento em pipelines de dados e integração com data warehouses
Experiência com monitoramento e observabilidade (Prometheus, Grafana, ELK)
Familiaridade com conceitos de LLMOps para modelos de linguagem

Requisitos Desejáveis Experiência com DBT e integração com pipelines de feature engineering
Conhecimento em Apache Airflow ou ferramentas de orquestração
Experiência com Feature Stores (Feast, Tecton)
Conhecimento em model serving frameworks (TorchServe, TensorFlow Serving, Triton)
Experiência com infraestrutura como código (Terraform, CloudFormation)
Familiaridade com práticas de DataOps e integração com times de Analytics Engineering
Conhecimento em segurança de modelos e AI adversarial
Certificações em cloud ou ML engineering

Competências Comportamentais Mentalidade DevOps e foco em automação
Capacidade de trabalhar na interseção entre ciência e engenharia
Excelente comunicação para alinhar expectativas entre times técnicos
Proatividade na identificação de gargalos e otimizações
Colaboração efetiva com Cientistas de Dados, Analistas e Engenheiros
Pensamento sistêmico e visão end-to-end

Diferencial desta Posição Você será pioneiro(a) na construção da cultura e infraestrutura de MLOps da empresa, trabalhando diretamente com times de Ciência de Dados, Analytics Engineering e BI para criar uma plataforma unificada e eficiente de dados e ML.

Stack do Time Transformação de Dados: DBT
Visualização: Power BI
Versionamento: Git/GitFlow
ML/DS: Python, TensorFlow, Scikit-learn, LLMs
Warehouse: [especificar o usado pela empresa]
Orquestração: [a definir com o candidato]

Modelo de contratação Início Imediato: até 5 dias
100% remoto
Contrato PJ (Pessoa Jurídica)
Projeto inicial de 03 meses, com possibilidade de renovação e/ou internalização no cliente.

Processo Seletivo Análise de perfil LinkedIn
Teste técnico
Entrevista técnica com time da hub xp
Entrevista com o cliente
Feedback e contratação