Essa pessoa terá papel estratégico em dar velocidade, consistência e governança às entregas do time de Ciências de Dados, atuando como referência técnica em MLOps, LLMOps e arquitetura de plataformas de IA. Você terá autonomia para definir padrões, influenciar decisões arquiteturais e participar ativamente de fóruns de Arquitetura, trazendo o viés de plataforma de AI para a organização.O que você vai fazerEstruturar e evoluir a plataforma de IA que suporta os times de Ciência de Dados e Machine Learning;
Definir padrões, templates e boas práticas para desenvolvimento, treino, deploy e monitoramento de modelos;
Atuar na padronização depipelines de ML, LLMs e features, garantindo reprodutibilidade e escalabilidade;
Trabalhar com Databrickspara orquestração de dados, feature engineering, treinamento e experimentação;
Implementar práticas de MLOps e LLMOps (versionamento, CI/CD, observabilidade, rollback, governança);
Explorar e integrar codeagents e ferramentas de IA para aumentar a produtividade do time;
Participar de fóruns de Arquitetura, contribuindo com decisões técnicas sob a ótica de plataformas de IA;
Colaborar com cientistasde dados, engenheiros de dados e engenheiros de software para reduzir fricções entre pesquisa e produção;
Garantir padrões de segurança, compliance e controle de custos em workloads de IA.O que esperamos de vocêDatabricks (workflows, notebooks, jobs, Delta Lake, MLflow);
MLOps (versionamento de modelos, experiment tracking, CI/CD de ML, monitoramento);
LLMOps (deploy, versionamento, avaliação e observabilidade de LLMs);
Orquestração de pipelines de dados e ML;
Integração com APIs de modelos fundacionais (OpenAI, Azure OpenAI, etc.);
Uso avançado de code agents para aceleração de desenvolvimento e automação;
Diferenciais técnicos:Kubernetes para orquestração e escalabilidade de workloads de IA;
Experiência com cloud (AWS, GCP ou Azure) aplicada a IA e dados;
Feature Stores e estratégias de reutilização de features;
Observabilidade aplicadaa modelos (drift, performance, custos);
Arquitetura de plataformas internas (self-service para times de dados).DiferenciaisMindset de plataforma e visão sistêmica;
Forte senso de ownershipe autonomia técnica;
Capacidade de transformar pesquisa em soluções produtivas e escaláveis;
Comunicação clara para atuar como ponte entre Ciência de Dados, Engenharia e Arquitetura;
Curiosidade e profundidade técnica em IA aplicada, MLOps e automação;
Proatividade para propormelhorias de padrão, velocidade e governança.Informações adicionaisVaga PJ no modelo 100% remoto.