
Staff Machine Learning Engineer - Jus IA
Jusbrasil
- Brasil
- Permanente
- Período integral
- Trabalhar no desconhecido: Construir algo que nunca foi feito antes no mercado jurídico brasileiro, com forte especialização de domínio.
- Resolver problemas reais: Colocar a pessoa advogada no centro, validar hipóteses e entregar soluções que se conectem com a jornada completa online e offline.
- Criar diferenciais duradouros: Desenvolver capacidades e integrações que IAs genéricas não consigam replicar.
- Atuar em alta ambiguidade: Transformar problemas abertos em soluções escaláveis e robustas, com decisões técnicas e estratégicas de alto impacto.
- Projetar, desenvolver e colocar em produção sistemas de Machine Learning e IA generativa aplicados ao domínio jurídico.
- Trabalhar ponta a ponta: desde a descoberta e experimentação de modelos até sua integração em produtos de larga escala.
- Garantir performance, confiabilidade e escalabilidade dos sistemas em produção.
- Colaborar com times multidisciplinares (engenharia, produto, design, especialistas jurídicos) para traduzir problemas complexos em soluções viáveis.
- Investigar e aplicar técnicas avançadas de NLP, RAG, LLM fine-tuning, embeddings e pipelines de dados.
- Criar pipelines de ML robustos (treinamento, avaliação, deploy, monitoramento e retraining).
- Influenciar decisões de arquitetura e roadmap técnico, atuando como referência para outros engenheiros e cientistas de dados.
- Sólida base em Ciência da Computação (estruturas de dados, algoritmos, arquitetura de sistemas distribuídos).
- Machine Learning & NLP:
- Experiência com LLMs (fine-tuning, prompt engineering, RAG).
- Conhecimento em embeddings, vetorização de documentos, ranking e busca semântica.
- Avaliação de modelos e métricas de desempenho.
- MLOps & Deploy:
- Experiência em colocar modelos em produção (serving, APIs, latency optimization).
- Ferramentas como MLflow, Kubeflow, Vertex AI ou similares.
- Infraestrutura & Engenharia:
- Cloud (GCP, AWS ou Azure).
- Contêineres (Docker, Kubernetes).
- Integração contínua e automação de deploy.
- Programação:
- Proficiência em Python (bibliotecas como PyTorch, TensorFlow, Transformers, LangChain).
- Boas práticas de software (testes, versionamento, modularização).