Analista De Dados E Machine Learning

Impulsione a sua carreira em um dos maiores centros de P&D do país.
Há 23 anos, desenvolvemos soluções sob medida em software e hardware para diversos segmentos em parceria com grandes players globais da área de tecnologia.
Atuamos também com testes de laboratório, consultoria de inovação, capacitação, treinamento e certificação de produtos para telecomunicações.
É a sua chance de adquirir novas experiências e aplicar seu conhecimento em projetos relevantes que impactam positivamente a vida das pessoas.Somos mais de 1.800 profissionais e reconhecidos como um dos Lugares Incríveis para se Trabalhar pelo prêmio FIA/UOL.
Estamos em grandes polos tecnológicos do país, com unidades em Brasília, Campinas, Manaus e Porto Alegre.
Temos infraestrutura completa de laboratórios, especialmente o de microeletrônica, que é referência em todo o país.Somos o único membro da América Latina da associação europeia EARTO.
Temos expertise em tecnologias como inteligência artificial, visão computacional, computação gráfica, realidade virtual e aumentada, assistentes virtuais e interface por voz, big data e analytics, openRAN, sistemas embarcados, IoT e blockchain.
/nGraduação em Ciência da Computação, Engenharia de Software ou áreas correlatas.Python avançado.Testes unitários e de integração (pytest ou unittest) Documentação técnica clara.SQL avançado, conhecimento em NoSQL.Conhecimento de bom de processamento distribuido/paralelo (PySpark, Dask e etc).
Padronização de logging, métricas, monitoramento (Prometheus, Grafana).
ML / MLOps: Experiência em produção de modelos (deploy, monitoramento, re-treino).
Estruturar pipelines CI/CD para dados e modelos.
Criação de pipelines completos de ML (pré-processamento ? treinamento ? deploy ? monitoramento ? re-treino).
Conhecimento de ferramentas de CI/CD.
Definição de métricas e monitoramento de drift de dados e modelos.Experiência com Git (git flow, pull requests, resolução de conflitos).
OpcionalInfraestrutura como código (Terraform, Ansible, Pulumi).
Cloud / On-premise: S3 (Data Lake), Glue (ETL), Athena (serverless analytics), EMR (big data), SageMaker (ML).
Configuração avançada de IAM (roles, policies, cross-account).
Segurança de dados (criptografia em trânsito/reposo, mascaramento).
Infraestrutura: Arquitetura escalável em cloud e/ou on-premises.Kubernetes avançado, configuração de GPU.
Kubernetes avançado (autoscaling, GPU scheduling, tolerations, affinity).
Observabilidade completa (Prometheus, Grafana, ELK, OpenTelemetry).
Arquitetura e Estratégia de Dados: Projetar Data Lakes, Data Warehouses e feature stores.Seleção e padronização de ferramentas de orquestração, versionamento e observabilidade.Arquitetura híbrida (on-premises + cloud) com foco em segurança, compliance (LGPD) e custos.Design de pipelines tolerantes a falhas e com alta disponibilidade.Conhecimento em frameworks distribuídos (Horovod, DDP, Spark MLlib).
/nDesenvolver e otimizar pipelines de dados e de machine learning, desde ingestão, pré-processamento, treinamento, deploy até monitoramento e re-treino automático.Especificar e implementar estratégia de arquitetura de dados (Data Lakes, Data Warehouses, feature stores), com foco em padronização, governança e compliance (LGPD).
Projetar pipelines distribuídos e paralelos utilizando PySpark, Dask ou frameworks equivalentes.Gerenciar soluções de observabilidade e monitoramento (logging estruturado, métricas e dashboards no Prometheus, Grafana, ELK e OpenTelemetry).
Estruturar pipelines de CI/CD para dados e modelos (integração e entrega contínua), garantindo versionamento, rastreabilidade e monitoramento de drift.Colaborar na seleção e padronização de ferramentas de orquestração, versionamento e observabilidade.Apoiar equipes de ciência de dados e analytics na produção de modelos de ML, integrando frameworks distribuídos (Horovod, DDP, Spark MLlib).