Cientista De Dados Sênior

• Co-criamos soluções inovadoras em parceria com nossos clientes, combinando tecnologia de ponta, inteligência artificial e a criatividade humana.
• Estamos na vanguarda da resolução de problemas de negócios, proporcionando impacto real em escala global.
• Ao se juntar à Stefanini, você se torna parte de uma jornada global de transformação.
• Estamos empenhados em criar impacto positivo não apenas nos negócios, mas também na vida de nossos colaboradores.
• Se você procura uma oportunidade de crescimento profissional em uma empresa que valoriza inovação, respeito, autonomia e parceria, você encontra aqui!Junte-se a nós e seja parte da mudança!Responsabilidades:Monitorar e manter os modelos de Machine Learning e LLM (Large Language Models) em produção, assegurando que operem dentro dos parâmetros de performance esperados.
• Realizar reescrita de modelos quando necessário para melhorar a eficiência ou adaptar a novas necessidades do negócio.
• Executar retreinamento de modelos para manter a precisão e relevância com base em novos dados ou mudanças no ambiente de produção.
• Diagnosticar e resolver problemas relacionados à performance dos modelos, como drift de dados ou degradação da precisão.
• Colaborar com times de desenvolvimento e operações para integrar melhorias e atualizações nos modelos de maneira eficiente e sem interrupções no serviço.
• Documentar processos de sustentação e mudanças realizadas nos modelos para futura referência e auditoria.
• Requisitos Técnicos:Experiência sólida em Machine Learning, com foco em técnicas de aprendizado supervisionado e não supervisionado.
• Conhecimento profundo em Large Language Models (LLM), incluindo treinamento, ajuste fino (fine-tuning) e avaliação.
• Habilidade em programação, preferencialmente em Python, e familiaridade com bibliotecas como TensorFlow, PyTorch, Hugging Face Transformers, entre outras.
• Conhecimento em técnicas de monitoramento de modelos e ferramentas de DataOps para gestão de ciclos de vida de modelos.
• Experiência com plataformas de nuvem (AWS, GCP, Azure) para deployment e sustentação de modelos.
• Capacidade de trabalhar com grandes volumes de dados e entender o impacto dos dados na performance dos modelos.

Caderno Nacional