Mlops | Machine Learning Operations Pleno Ou Sênior

Ahub xpé uma software house referência emoutsourcing de tecnologiae está conduzindo um processo seletivo para atuar em um de nossosprincipais clientes— umamultinacional líder nos setores de Educação e Saúde, com forte presença internacional elistada na Bolsa de Nova York (NYSE).Trata-se de um ambiente dealta performance, inovação contínua e impacto real na vida de milhões de pessoas, onde você terá a chance de contribuir em projetos estratégicos, comtecnologias de pontaeamplo espaço para crescimento profissional.Sobre a VagaBuscamos 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.ResponsabilidadesProjetar e implementar pipelines de CI/CD para modelos de machine learningAutomatizar o ciclo de vida completo de ML: treinamento, validação, deploy e monitoramentoContainerizar modelos usandoDockere orquestrar com KubernetesImplementar versionamento de modelos, datasets e experimentosDesenvolver APIs robustas para servir modelos em produçãoMonitorar performance, drift e degradação de modelos em produçãoColaborar com Cientistas de Dados para otimizar modelos para produçãoIntegrar pipelines de ML com a infraestrutura de dados existente (DBT, warehouse)Estabelecer práticas de governança e compliance para modelos de MLImplementar estratégias de A/B testing e rollout gradual de modelosDocumentar arquiteturas, processos e melhores práticas de MLOp.Requisitos ObrigatóriosFormação em Engenharia, Ciências da Computação ou áreas correlatasExperiência sólida comPythone frameworks de ML (TensorFlow, PyTorch, Scikit-learn)Domínio deDockere containerização de aplicaçõesExperiência comKubernetesou similares para orquestraçãoConhecimento profundo emGite práticas de versionamentoExperiência complataformas cloud(AWS, GCP ou Azure) para ML:AWS: SageMaker, Lambda, ECR, ECS/EKSGCP: Vertex AI, Cloud Run, GKEAzure: Azure ML, AKSExperiência com ferramentas de MLOps (MLflow, Kubeflow, Weights & Biases, ou similares)Conhecimento em pipelines de dados e integração com data warehousesExperiência com monitoramento e observabilidade (Prometheus, Grafana, ELK)Familiaridade com conceitos de LLMOps para modelos de linguagemRequisitos DesejáveisExperiência comDBTe integração com pipelines de feature engineeringConhecimento emApache Airflowou ferramentas de orquestraçãoExperiência 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 EngineeringConhecimento em segurança de modelos e AI adversarialCertificações em cloud ou ML engineeringCompetências ComportamentaisMentalidade DevOps e foco em automaçãoCapacidade de trabalhar na interseção entre ciência e engenhariaExcelente comunicação para alinhar expectativas entre times técnicosProatividade na identificação de gargalos e otimizaçõesColaboração efetiva com Cientistas de Dados, Analistas e EngenheirosPensamento sistêmico e visão end-to-endDiferencial desta PosiçãoVocê 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 TimeTransformação de Dados:DBTVisualização:Power BIVersionamento:Git/GitFlowML/DS:Python, TensorFlow, Scikit-learn, LLMsWarehouse:[especificar o usado pela empresa]Orquestração:[a definir com o candidato]Modelo de contrataçãoInício Imediato: até 5 dias100% remotoContrato PJ (Pessoa Jurídica)Projeto inicial de 03 meses, com possibilidade de renovação e/ou internalização no cliente.Processo SeletivoAnálise de perfilTeste técnicoEntrevista técnica com time da hub xpEntrevista com o clienteFeedback e contratação