Coordenador eng. de machine learning

Há 15 horas

São Paulo, State of São Paulo, Brasil Netvagas Tempo integral

Grátis com e-mail ou Google

Salve esta vaga e mantenha sua pesquisa organizada

Crie uma conta gratuita para salvar vagas, criar alertas e retornar a esta listagem a partir do seu painel.

Grátis com e-mail ou Google

Ao continuar, você concorda com nossos Termos & Política de Privacidade.

- Formação superior em Ciência da Computação, Estatística, Física, Engenharias, Matemática Aplicada, Sistemas de Informação ou áreas afins.

- 5 anos ou mais de experiência em engenharia de software, engenharia de ML ou MLOps.

- Domínio de Python, de boas práticas de engenharia de software e de ferramentas de MLOps (ex.: MLflow, Kubeflow ou equivalentes).

- Experiência com containers e orquestração (Docker, Kubernetes), CI/CD e infraestrutura como código.

- Experiência comprovada colocando modelos de machine learning em produção e monitorando-os.

- Experiência prática com LLMs / IA generativa (prompting, RAG, agentes ou APIs).

DIFERENCIAIS

Mestrado ou doutorado em Ciência da Computação, Matemática Aplicada, Estatística ou Engenharias.

- Experiência com ambientes em nuvem (Oracle, AWS, Azure ou GCP) e certificações relacionadas.

- Experiência com LLMOps e com infraestrutura para IA generativa e agentes.

- Vivência em instituições financeiras, risco de crédito ou ambientes regulados.

Coordenar as equipes de MLOps e de Engenharia de Dados, definindo prioridades, metas e o roadmap da plataforma de dados e de modelos.
Definir a arquitetura de dados e de ML da área: ingestão, armazenamento, feature store, treinamento, implantação, monitoramento e retreino.
Estabelecer padrões de engenharia: versionamento, CI/CD, testes automatizados, observabilidade, segurança e documentação.
Garantir a qualidade, a disponibilidade e a rastreabilidade dos dados e dos modelos em produção, incluindo SLAs e gestão de incidentes.
Atuar em parceria com as frentes de Ciência de Dados (Políticas e Machine Learning) para reduzir o tempo entre o desenvolvimento e a produção.
Viabilizar a infraestrutura para soluções de IA generativa e agentes (LLMOps, RAG, bases vetoriais, integração via APIs).
Assegurar a conformidade com governança de dados, LGPD, segurança da informação e exigências de auditoria.
Desenvolver o time tecnicamente, conduzindo avaliações de desempenho e planos de desenvolvimento.
Interagir com tecnologia, arquitetura corporativa, segurança, negócios e fornecedores.