MLOps Engineer (Brasil, remoto)

About the role

MLOps Engineer (Brasil, remoto)

A área de Ciência de Dados tem como objetivo explorar novas fronteiras para capacitar as empresas a responderem às suas questões mais urgentes. Pioneiros no processamento analítico intensivo de dados em larga escala e altamente paralelo, nossa missão é desenvolver uma abordagem totalmente inovadora para gerar significado e valor a partir de conjuntos de dados na escala de petabytes, criando novas metodologias, ferramentas, métodos estatísticos e modelos. Além disso, trabalhamos em colaboração com acadêmicos de destaque, especialistas do setor e engenheiros altamente qualificados para capacitar nossos clientes a gerar insights sofisticados e inovadores a partir de volumes massivos de dados.

O que você conquistará:

Como MLOps Engineer, você será responsável por projetar, implementar e gerenciar pipelines robustos de MLOps para implantação, monitoramento e manutenção de modelos de machine learning em ambientes de produção. Você trabalhará em estreita colaboração com cientistas de dados, engenheiros de software e equipes de DevOps para acelerar a entrega de soluções avançadas de IA generativa e impulsionar a evolução das estratégias de deployment de machine learning da organização.

Junte-se a nós como MLOps Engineer em nossa equipe de AI-Centric Engineering (Office of the CTO) no Brasil (remoto) para fazer o melhor trabalho da sua carreira e gerar um impacto social profundo.

Você irá: Projetar, implementar e gerenciar pipelines robustos de MLOps para implantação, monitoramento e manutenção de modelos de machine learning em ambientes de produção. Colaborar com equipes multifuncionais, incluindo cientistas de dados, engenheiros de software e profissionais de DevOps, para garantir a integração eficiente de modelos de machine learning aos sistemas e processos existentes. Aprimorar continuamente processos de CI/CD para automatizar treinamento, avaliação, testes e implantação de modelos de machine learning. Implementar e manter soluções de monitoramento e observabilidade para acompanhar desempenho dos modelos, qualidade dos dados, confiabilidade dos sistemas e infraestrutura de machine learning. Identificar, solucionar e resolver problemas relacionados à infraestrutura, pipelines e operações de machine learning, mantendo-se atualizado(a) sobre tendências, tecnologias e melhores práticas de MLOps para contribuir com a evolução das estratégias de deployment de ML.

Dê o primeiro passo para a carreira dos seus sonhos Todas as pessoas da nossa equipe agregam algo único. Veja o que estamos buscando para esta posição: Requisitos essenciais Graduação completa ou superior em Ciência da Computação, Engenharia ou área relacionada; pós-graduação ou grau avançado é um diferencial. Experiência sólida em MLOps ou áreas correlatas, incluindo implantação e gerenciamento de modelos de machine learning utilizando Kubernetes, Docker e plataformas de orquestração, como Kubernetes e Apache Airflow. Fortes habilidades de programação em Python, experiência com sistemas de controle de versão (Git) e sólido entendimento de conteinerização, virtualização e princípios de Infrastructure as Code (IaC). Experiência com ferramentas de monitoramento e logging, como Prometheus e ELK Stack, além de excelentes habilidades de resolução de problemas e atuação em ambientes colaborativos. Inglês fluente para atuação em um time global.

Requisitos desejáveis Experiência com frameworks de machine learning, como TensorFlow e PyTorch, bibliotecas de processamento de dados, como pandas e NumPy, além de conhecimento de melhores práticas de segurança em implantações de ML. Experiência prévia com pipelines de CI/CD, testes automatizados para modelos de machine learning, plataformas de orquestração e gerenciamento de modelos como MLflow ou Kubeflow, além de conhecimento das ferramentas Financial Force, EPN/PEF, Control Tower, OEP, GPT, DSA, FMPro, Service Now e SSO, e dos serviços Chromebook Enrollment, ReadyStock Order Life Cycle & Management, Connected Services (Shared Connected Configuration, Dedicated Connected Configuration e Connected Provisioning), Logistics Services (Overpack, Multi-Pack, FTL/LTL e Order Consolidation) e First Article/Change Management.