Líder técnico

• Experiência em Machine Learning aplicado a NLP, sendo pelo menos 2 anos em search, query understanding, ranking/learning-to-rank, recomendação ou autocomplete/sugestão.
• Experiência prévia em liderança técnica ou atuação como referência técnica sênior, conduzindo decisões técnicas e entregas end-to-end com baixa supervisão.
• Domínio de Python e de pelo menos um framework de deep learning (PyTorch ou TensorFlow), além de bibliotecas de NLP.
• Experiência prática com fine-tuning de modelos aplicados a busca ou ranking.
• Experiência em preparação de datasets para ML: coleta, limpeza, anotação e aumento de dados, incluindo uso de LLMs para geração ou avaliação.
• Vivência com métricas de avaliação de busca e ranking, e com análise sistemática de erros (fail-case analysis)Prática de versionamento de dados e modelos e experiment tracking, garantindo reprodutibilidade dos resultados.
•  Entendimento de como aplicações Android funcionam e se comunicam (ciclo de vida, Services, ContentProviders), suficiente para discutir integração com o time Android e também desenvolver e manter soluções.
• Noções de execução de modelos de ML on-device e de suas restrições de latência, memória e bateria.
• Capacidade de ler código Kotlin/Java para diagnosticar se um problema está nos dados, no modelo ou na integração.

• Espanhol com proficiência plena (escrita e compreensão de variações regionais da América Latina).
• Experiência prévia liderando times multidisciplinares (ML + engenharia de software).
• Experiência com modelos de ranking específicos (cross-encoders, bi-encoders, LTR) e com geração de dados sintéticos em escala.
• Práticas avançadas de MLOps: CI/CD para ML e empacotamento de entregas para produção.
• Experiência prática com desenvolvimento Android (Kotlin/Java, Jetpack, MVVM) e com testes instrumentados.
• Noções de indexação textual em dispositivo (índices locais, bancos SQL/NoSQL embarcados) ou experiência com frameworks de busca (Lucene, Elasticsearch, Vespa) e busca semântica/embeddings.
• Experiência com otimização de modelos para edge (quantização, distilação, pruning) e frameworks como TensorFlow Lite ou ONNX Runtime.
• Experiência prévia com produtos de busca ou assistentes em ambiente Samsung (Bixby, Gallery Search) ou plataformas similares.

Idioma:

• Inglês avançado para comunicação técnica com equipe internacional.
• Espanhol: leitura e compreensão suficientes para revisar dados e resultados com apoio de ferramentas de IA.

Formação Acadêmica:

• Formação completa em Engenharia de Computação ou Ciência da Computação.

• Liderança técnica de um time multidisciplinar (ML/Dados + Android) responsável por melhorar a qualidade dos modelos de Query Processing (QP) e Ranker para português e espanhol em um produto de busca e indexação embarcado em Android. 
• O foco principal da posição é ML/NLP aplicado a busca e ranking; o conhecimento de Android é necessário para entender onde o modelo roda, como ele é integrado, validado, entregue no dispositivo e para manutenção do solução. 
• Liderança técnica - Liderar tecnicamente o time (ML Engineers, Data Scientists e desenvolvedores Android), conduzindo decisões de arquitetura, priorização técnica e revisão de entregas. 
• Atuar como ponto focal técnico junto ao time global (em inglês), reportando progresso, riscos e decisões de forma objetiva e assíncrona. 
• Estruturar o knowledge transfer com o time parceiro sobre o processo de otimização de QP e Ranker e sobre a plataforma de treinamento com objetivo de internalizar o processo. 
• Definir a estratégia de evolução do time, identificando gaps de competência e apoiando contratações e desenvolvimento. 
• Dados e qualidade linguística - Curar, revisar e refinar datasets de treinamento e avaliação em português e espanhol, garantindo cobertura de variações regionais, gírias, acentuação, ortografia, morfologia e ambiguidades semânticas. 
• Definir e aplicar guidelines e critérios de qualidade linguística para dados de busca (queries, sugestões, rankings), incluindo o uso de LLMs como apoio à revisão quando não houver falante nativo disponível. 
• Garantir rastreabilidade, versionamento e validação de qualidade dos dados gerados antes de sua incorporação ao treinamento. 
• Modelos, experimentos e métricas. 
• Otimizar a acurácia dos modelos de QP e Ranker