Profissional sênior responsável por desenhar, desenvolver e operar soluções de Inteligência Artificial ponta a ponta — desde pipelines de dados até deploy de modelos de Machine Learning e LLMs em ambiente container-orientado (Kubernetes/OpenShift). Atuação forte em Python, MLOps, GenAI/RAG e entendimento de domínio de negócio. Requirements
Conhecimentos necessários· Linguagem e backend· Domínio de Python ou JAVA para construção de APIs, serviços e jobs batch (ex.: FastAPI/Flask, scripts de automação, ETLs).· Boas práticas de código (logs, testes, organização de pacotes, virtualenv/poetry/pip, etc.).· Infraestrutura, containers e orquestração· Experiência com containers: build, otimização de imagens, multi-stage builds.· Experiência com Kubernetes / OpenShift (desejável experiência real em produção):· Deploy e operação de aplicações (Deployments, CronJobs, ConfigMaps, Secrets, Ingress/Routes).· Noções de observabilidade, logs, métricas e troubleshooting em cluster.· MLOps / Data & AI· Experiência em Machine Learning clássico (treino, avaliação, versionamento de modelos e features).· Experiência em LLMs / GenAI em produção (vLLM, KServe, OpenShift AI ou similar).· Conhecimento em pipelines de dados e integração com fontes diversas.· Experiência com Kafka ou outros sistemas de mensageria/streaming para ingestão de eventos em larga escala.· Experiência com Elasticsearch / OpenSearch ou outro mecanismo de busca para indexação, consulta e análise de dados.· Arquitetura e integração· Capacidade de desenhar arquiteturas de referência para soluções de IA (batch, near real time, APIs síncronas).· Integração de serviços de IA com sistemas legados, APIs REST e bancos de dados.· Experiência com Git, CI/CD e boas práticas de versionamento e automação de deploy.· Domínio de negócio· Capacidade de traduzir requisitos de negócio em soluções técnicas de IA com foco em valor e governança.· Perfil comportamental· Atuação sênior / hands-on, com autonomia para propor arquitetura, implementar, testar e colocar em produção.· Boa comunicação com times de negócio, produto, desenvolvimento e operações.· Capacidade de documentação clara (README, FAQs, dicionário de dados, fluxos de arquitetura, etc.).Conhecimentos desejáveis· GenAI e LLMs avançado· Experiência com RAG, vector stores e embeddings.· Conhecimento em orquestração de LLMs (agentes, ferramentas, chain-of-thought supervisionado, etc.).· Experiência com modelos como Llama, Falcon, ou outros LLMs self-hosted.· Ferramentas e ecossistema· Experiência com OpenShift AI / KServe / vLLM em ambiente corporativo.· Noções de monitoramento de custo e performance de modelos (tokens, latência, throughput).· Data Engineering / Analytics· Conhecimento de modelagem de dados, ETL/ELT e boas práticas de qualidade de dados.· Experiência em criação de dashboards/relatórios para acompanhar uso de IA, métricas de negócio e indicadores de risco.· Segurança e governança· Noções de segurança de dados, LGPD, anonimização e controle de acesso em projetos de governo/setor público.Boas práticas de governança de modelos (auditoria, rastreabilidade, logging de consultas, explainability básica).