Principais Responsabilidades Desenvolver modelos e ferramentas que permitam o monitoramento da performance dos ativos da Rio Energy; Desenvolver e operacionalizar relatórios automáticos com os principais KPIs monitorados pela área de O&M; Interface Técnica: Atuar como ponte entre ciência e engenharia de dados, traduzindo requisitos de modelos ML em especificações técnicas de infraestrutura e pipelines; Projetar e implementar arquiteturas de dados end-to-end, desde ingestão até modelagem, incluindo data warehouses e data lakes; Colaborar no desenvolvimento de pipelines de dados robustas utilizando Airflow, Kedro; Participar da implementação de sistemas de controle de versão utilizando Liquibase; Apoiar no desenvolvimento de pipelines de CI/CD para modelos de ML; Contribuir com sistemas de monitoramento de performance e qualidade de dados; Auxiliar no gerenciamento de infraestrutura de ML utilizando ferramentas cloud-native; Manter documentação técnica e participar de sessões de conhecimento. Formação e Experiência Graduação em Ciência da Computação, Engenharia de Computação, Engenharias, Matemática, Física ou áreas correlatas. Inglês Avançado (leitura de documentação técnica e comunicação). Domínio de Linguagens de Programação: Python (intermediário a avançado), SQL (intermediário a avançado). Conhecimento em Data Warehouse, Data Lake, Bancos de Dados (Microsoft SQL Server, PostgreSQL). Conhecimento em Pipeline de Dados (Airflow, Kedro). MLOps e Orquestração: Docker, Gitlab CI/CD, ou similares. Versionamento: Git, controle de versão de esquemas de banco. Vivência prévia como Machine Learning Engineer, Data Engineer ou Software Engineer é desejável. Experiência em Deployment de modelos de ML em ambiente produtivo com suporte de profissionais sêniores. Experiência em trabalho colaborativo com times multidisciplinares. Especialização ou Mestrado é um diferencial. Desejável experiência no setor de energias renováveis ou IoT industrial. Competências Técnicas Desejáveis Controle de Versão de Schema: Liquibase. Large Language Models: OpenAI API, Hugging Face, LangChain, prompt engineering. Experiência com SCADA e dados de séries temporais industriais. Frameworks de ML: Scikit-learn, TensorFlow/PyTorch, XGBoost. Testes: Pytest, testes unitários e de integração. Cloud Platforms: AWS/GCP/Azure com foco em serviços de dados. Diferenciais Interesse em implementação de soluções baseadas em LLMs. Experimentação de modelos. Conhecimento básico em segurança e Compliance para sistemas de dados e ML. Experiência prévia atuando como interface entre times técnicos. Informações adicionais Local de Atuação : Rio de Janeiro - Bairro Jardim Botânico - Brasil Formato Híbrido