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.
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).
#J-18808-Ljbffr