Líder Técnico

Job description
Buscamos uma liderança técnica para conduzir um time multidisciplinar de ML, Dados e Android, impulsionando a qualidade de modelos de processamento de consultas (QP) e ranking para português e espanhol. Se você tem experiência em Machine Learning, NLP e sistemas de busca , e gosta de transformar desafios complexos em soluções inovadoras, essa oportunidade é para você Venha conhecer mais sobre essa oportunidade e ser um Sidier Main responsibilities 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 para as regiões latinas, conduzindo experimentos de fine-tuning e ajuste de parâmetros. Implementar rastreamento contínuo de KPIs (precision/recall, taxa de acerto de sugestão, latência on-device e etc) com benchmarking sistemático entre conjuntos de avaliação e versões de modelo. Quantificar e reportar ganhos de performance com metodologia reproduzível (A/B, comparação offline/online, testes de significância). Pipeline automatizado e fail cases. Liderar o desenho e a implementação de um pipeline automatizado de geração e aumento de datasets multilíngues. Estruturar o processo de mineração e análise de fail cases: identificar, categorizar e extrair casos de falha e queries de baixa confiança, criando taxonomias de erro reutilizáveis. Desenvolver mecanismos de geração de dados sintéticos a partir dos fail cases, ampliando cobertura multilíngue e robustez dos modelos. Integração e entrega no Android
- Compreender o fluxo ponta a ponta da busca no dispositivo (indexação local, ContentProviders, Services, execução do modelo on-device) para diagnosticar se um problema está nos dados, no modelo ou na camada de integração Android. Investigar e solucionar bugs de busca específicos de região, queries com nuances linguísticas e problemas de localização, propondo correções nos dados, no modelo ou nas regras de processamento junto ao time Android. Revisar, validar e apoiar a criação de Test Cases (TCs) em português e espanhol para busca, assegurando aderência linguística e cobertura de cenários regionais. Garantir que os patches entregues sejam totalmente validados e prontos para deploy no Android, com documentação técnica, release notes e evidências de teste, considerando restrições de latência, memória e bateria do dispositivo. Requirements and skills 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