Com 70 anos de existência, o Einstein Hospital Israelita ainda mantém uma premissa: inovar e crescer, sempre com excelência. Ajudamos a salvar vidas, difundir o conhecimento em educação, prevenção e inovação em saúde. Além da atuação em setores assistenciais, temos oportunidades na área de Inovação, Tecnologia, Pesquisa, Ensino, entre outras. Seguimos oferecendo qualidade, afirmando nosso compromisso com a Responsabilidade Social e com o propósito de levar uma gota de Einstein para cada cidadão. Valorizamos a diversidade e inclusão de todos os talentos e buscamos profissionais que compartilhem deste mesmo propósito! O que esperamos de você: Buscamos um(a) profissional para atuar como MLOps/LLMOps para atuar na interseção entre engenharia de dados, machine learning tradicional e IA generativa. A pessoa será responsável por projetar, implementar e operar pipelines de ML end-to-end, garantindo que modelos e agentes de IA sejam implantados e monitorados em produção com alta confiabilidade, segurança e escalabilidade. O papel envolve atuar tanto em MLOps, gerenciando o ciclo de vida de modelos treinados com dados proprietários, quanto em LLMOps, lidando com desafios específicos de LLMs, como versionamento de prompts, variabilidade de outputs, otimização de custos de inferência e monitoramento de alucinaçõe Informações da vaga: Local de trabalho: Unid Centro de Ens e Pesquisa (AECE) Área: Planejamento Analytics Diretoria : Digital Modelo de trabalho : Híbrido Jornada de trabalho : 220h/mês Responsabilidades: MLOps (IA Tradicional) Projetar e manter pipelines CI/CD para treinamento, validacao e deploy de modelos de ML (MLflow, Kubeflow, Vertex AI Pipelines) Implementar IaC para ambientes de ML em cloud (GCP primario), incluindo GPU provisioning e autoscaling Construir e gerenciar feature stores, model registries e pipelines de dados para treinamento Monitoramento de modelos em producao: data drift, concept drift, performance degradation (Evidently, Whylogs, Prometheus, Grafana) Garantir reproducibilidade de experimentos com versionamento de dados (DVC, lakeFS) e modelos LLMOps (IA Generativa & Agentic AI) Operar e otimizar serving de LLMs (vLLM, TGI, Triton) com foco em latencia, throughput e custo Desenvolver pipelines de RAG end-to-end: ingestao, chunking, embedding, vector stores (Pinecone, Weaviate, pgvector, Qdrant) Versionamento de prompts, avaliacao sistematica de saidas (evals) e A/B testing de configuracoes de LLM Gerenciar custo de inferencia: caching inteligente, routing entre modelos, otimizacao de tokens e batching Construir infraestrutura para agentes autonomos (AgentOps): orquestracao, observabilidade, guardrails e circuit breakers Guardrails de seguranca para LLMs: content filtering, PII detection, compliance LGPD/HIPAA Transversal Governanca, seguranca (RBAC, auditoria) e compliance regulatorio em todo o ciclo de vida Colaborar com cientistas de dados, engenheiros de software e times de produto Documentar padroes, runbooks e boas praticas para escalar o conhecimento no time Requisitos Imprescindíveis: Graduação em Ciência da Computação, Engenharia, Matemática, Estatística ou áreas correlatas; Sólida experiência em MLOps, ML Engineering ou Data/Platform Engineering, com foco em ambientes de produção Solida experiência em implantação de modelos de ML em produção (não apenas em experimentação ou notebooks) Experiência em práticas com workloads de IA generativa (LLMs, RAG, fine-tuning ou agentes) Python avançado e proficiência em frameworks de ML (scikit-learn, PyTorch, TensorFlow, XGBoost) Containers e orquestração: Docker, Kubernetes (GKE/EKS), Helm Cloud: GCP (Vertex AI, Cloud Run, GKE, BigQuery, Artifact Registry) ou equivalente AWS/Azure IaC: Terraform, Pulumi ou CloudFormation CI/CD para ML: GitHub Actions, GitLab CI, ArgoCD Plataformas de ML: MLflow, Kubeflow, Vertex AI Pipelines ou Metaflow APIs de LLM e frameworks GenAI: OpenAI API, Anthropic API, LangChain, LlamaIndex Git avançado, versionamento de dados (DVC, lakeFS) e versionamento de modelos Observabilidade: Prometheus, Grafana, Evidently AI ou Whylogs Desejáveis: Experiencia com fine-tuning de LLMs (LoRA, QLoRA, PEFT) e alinhamento (RLHF/DPO) Serving de modelos em GPU com otimizacao (quantizacao, batching dinamico, vLLM, TensorRT) Pipelines de RAG em producao: embeddings, reranking, vector databases em escala Evals e benchmarks sistematicos para LLMs (ragas, deepeval, promptfoo) Orquestracao de agentes de IA (LangGraph, CrewAI, AutoGen ou similares) Certificacoes cloud (GCP Professional ML Engineer, AWS ML Specialty, Azure AI Engineer) Einstein Benefícios – Compartilhando Bem-Estar Cuidados com a saúde: Programa Cuidar com serviços realizados no Einstein para promover a saúde e bem-estar dos colaboradores e dependentes, Clínicas Einstein, Telemedicina, Convênio Farmácia, Convênio Médico, Assistência Odontológica e Consultório Dental in Company. Bem-Estar: Wellhub (Gympass), TotalPass, Coral, Programa de Orientação Pessoal e SESC. Para você e sua família: Licença paternidade estendida, Seguro de Vida, Creche ou Auxílio Creche para mães ou pais com guarda legal, Auxílio para Filhos com Deficiência e Previdência Privada com taxa zero. Alimentação: Vale Alimentação, Vale Refeição ou Refeitório no local de trabalho. Mobilidade: Vale Transporte, Fretado, Estacionamento, Aplicativo de Caronas e Circular Metrô. Clube de Benefícios: Para economizar e obter vantagens nas compras de produtos e serviços de diversas categorias, como Beleza e Fitness, Comer e Beber, Compras, Cultura e Lazer, Educação Ensino Einstein, Turismo e muito mais. Programa Mais Conectados: Trabalho remoto nas modalidades Teletrabalho ou Híbrido conforme atividade e área de atuação. **Os benefícios podem sofrer alteração de acordo com a convenção coletiva, unidade de trabalho e políticas vigentes.