Sobre a Função
Nível da Vaga: Sênior
Perfil Técnico e Comportamental Desejado:
* Programação e Frameworks:
Python (pandas, polars, scikit-learn, TensorFlow/Pytorch, plotly, matplolib)
Banco de Dados SQL (PostgreSQL, Apache Druid, DuckDB, BigQuery, Iceberg)
MLOps (MLflow, Docker, Kubernetes, Git, A/B testing, Grafana)
Cloud Computing (Google Cloud Platform, DigitalOcean)
REST API (FastAPI)
Visualização (Metabase)
* Machine Learning:
Supervised e unsupervised learning
Deep Learning
Time Series
Natural Language Processing
Feature Engineering
Avaliação de Modelos
AutoML e hyperparameter tuning
* Diferenciais:
Python (PySpark, Dask)
Node.js (Javascript, Typescript)
MLOps (Metaflow, Prefect/Airflow/dbt, DVC)
Stream (Apache Kafka)
Redis
Comportamental:
O especialista em aprendizado de máquina precisa ser comunicativo de modo que saiba comunicar-se com pessoas técnicas, assim como também com pessoas não técnicas. Saber trabalhar em equipe multidisciplinar colaborando com desenvolvimento dos produtos e serviços. Ter pensamento crítico sobre os dados e resultados gerados, avaliando sempre se estão alinhados com o contexto em questão assim como também com os objetivos da empresa.
Ter a capacidade de gerenciar os projetos sobre a sua responsabilidade, conduzindo entregas contínuas e com valor agregado, negociando prazos e alinhando expectativas com os envolvidos no projeto. Ter perfil inovador o qual sempre buscar por soluções novas baseadas em pesquisas acadêmicas ou em tecnologias emergentes que contribuam para melhor desempenho da equipe assim como também para o crescimento da empresa.
Descritivos das Atividades:
* Projetar e desenvolver sistemas de aprendizado de máquina que contemplem as etapas da construção dos modelos, a saber: ingestão dos dados, processamento dos dados, treinamento/modelagem, avaliação do modelo, implantação/deploy e monitoração.
* Aplicar princípios de MLOps para garantir versionamento, automação e escalabilidade dos modelos.
* Estudar, transformar e converter em produtos/serviços os protótipos desenvolvidos pelos cientistas de dados.
* Realizar análises estatísticas e usar os resultados para aprimorar os modelos ou na criação de relatórios que sejam de interesse para os stackholders.
* Criar relatórios e dashboards a partir de solicitações da empresa ou de clientes.
* Verificar a qualidade dos dados e/ou garanti-la por meio da limpeza de dados.