Buscamos um(a) GenAI Engineer com sólida experiência em Python e vivência comprovada em projetos reais de IA Generativa. O(a) profissional será responsável por construir, avaliar, implantar e monitorar agentes inteligentes, com forte ênfase no processo de avaliação e observabilidade de modelos em produção.
Responsabilidades
Projetar, desenvolver e manter agentes inteligentes utilizando LLMs (Large Language Models).
Construir soluções de RAG (Retrieval-Augmented Generation) e orquestração de agentes para uso em produção.
Implementar e aprimorar processos de avaliação (evaluation) de modelos e agentes, garantindo qualidade e performance.
Desenvolver pipelines de implantação e monitoramento de modelos GenAI em produção.
Criar APIs e microsserviços que exponham recursos de IA.
Integrar pipelines de dados e vetorização para alimentar modelos.
Trabalhar com ferramentas de tracing e observabilidade para garantir visibilidade do comportamento dos agentes.
Colaborar com produto e negócio para traduzir necessidades em soluções baseadas em IA.
Implementar boas práticas de MLOps, segurança, versionamento e CI / CD.
Requisitos Obrigatórios
Experiência sólida em Python para desenvolvimento de aplicações de IA.
Vivência comprovada em projetos reais de IA Generativa, com foco em agentes inteligentes.
Experiência no ciclo completo : construção, avaliação (evaluation), implantação e monitoramento de agentes.
Conhecimento profundo em LangChain / LangGraph ou frameworks similares de orquestração de agentes.
Experiência com diferentes modelos de IA generativa (OpenAI, Anthropic, modelos open-source).
Vivência com pipelines de embeddings e bancos vetoriais (Pinecone, Weaviate, Milvus, pgvector).
Experiência com bancos de dados relacionais e não relacionais.
Vivência em Cloud (AWS, GCP ou Azure).
Inglês técnico para leitura de documentação.
Diferenciais
Experiência com a stack Databricks (Mosaic AI Gateway, MLFlow para evaluation e tracing).
Conhecimento em frameworks de avaliação de LLMs e métricas de qualidade de agentes.
Experiência com ferramentas de transcrição de áudio para texto de forma escalável (importante para projetos de saúde).
Vivência em MLOps e observabilidade de modelos em produção.
Conhecimento em fine-tuning de modelos LLM.
Experiência com ferramentas de mensageria / filas (Kafka, RabbitMQ, SQS).
Certificações em Cloud ou Data / AI.
Experiência na construção de sistemas distribuídos.
#J-18808-Ljbffr