
Engenheiro de MLOps Pleno (Afirmativa PCD)
- São Paulo - SP
- Permanente
- Meio período
- Desenvolver e otimizar pipelines de machine learning.
- Implementar e manter práticas de integração contínua e entrega contínua (CI/CD) para modelos de machine learning.
- Monitorar e melhorar o desempenho dos modelos em produção.
- Colaborar com cientistas de dados e engenheiros de software para otimizar processos e soluções.
- Garantir a escalabilidade e eficiência da infraestrutura de machine learning.
- Implementar práticas de segurança e conformidade para modelos de machine learning.
- Construir e manter pipelines de dados e modelos de machine learning.
- Implementar e gerenciar práticas de CI/CD para garantir a entrega contínua de modelos de machine learning.
- Monitorar o desempenho dos modelos em produção e realizar ajustes conforme necessário.
- Colaborar com cientistas de dados para entender os requisitos dos modelos e garantir a implementação eficiente.
- Manter e otimizar a infraestrutura de machine learning, incluindo servidores, bancos de dados e ferramentas de monitoramento.
- Documentar processos e procedimentos para garantir a manutenção e escalabilidade dos sistemas.
- Implementar práticas de segurança e conformidade para proteger dados e modelos.
- Graduação em Ciência da Computação, Engenharia de Software, Ciência de Dados ou área relacionada.
- Experiência comprovada em machine learning e práticas de MLOps.
- Proficiência com ferramentas de CI/CD (e.g., Jenkins, GitLab CI).
- Experiência com linguagens de programação como Python e frameworks de machine learning (e.g., Scikit-Learn, PySpark).
- Habilidade para trabalhar com grandes volumes de dados e realizar análises complexas.
- Excelentes habilidades de comunicação e capacidade de trabalhar em equipe.
- Experiência com ferramentas de monitoramento e manutenção de infraestrutura (e.g., Docker, Kubernetes).
- Experiência com versionamento e monitoramento de modelos de Machine Learning (e.g., MLFlow, DVC)
- Conhecimento em práticas de segurança e governança de dados é um diferencial.