Descrição
Liderar tecnicamente o time de Dados e IA, posicionando-se como um generalista técnico com visão sistêmica, capaz de transitar entre as áreas de dados, inteligência artificial e software sem barreiras. A missão central é exercer total autonomia para arquitetar soluções complexas do zero em projetos de alta escala ou missão crítica, mantendo sempre o foco na qualidade, resiliência, custo-eficiência e na excelência da experiência do usuário final.
Responsabilidades e atribuições
Arquitetar e desenvolver soluções tecnológicas complexas iniciando do zero;
Atuar em projetos de alta escala e de missão crítica, garantindo a estabilidade operacional;
Liderar tecnicamente e mentorar profissionais de níveis júnior, pleno e sênior;
Garantir a qualidade, resiliência e a relação custo-benefício (custo-eficiência) das soluções entregue;
Promover a integração fluida entre as frentes de Engenharia de Dados, IA/ML e Engenharia de Software.
Requisitos e qualificações
Eficiência de Modelos: Sucesso na avaliação de modelosatravés de métricas offline/online, precision-recall, ROC, calibration ebusiness metrics;
Qualidade e Monitoramento: Efetividade no monitoramento dedados (Data Quality via Great Expectations, Soda, dbt tests) e observabilidade ponta a ponta (Latência das APIs, uptime dos pipelines de dados e sucesso noprocessamento distribuído -Spark);
Performance de ML: Controle de drift e performance demodelos em produção (Evidently AI);
Estabilidade de Sistemas: Performance e observabilidadeatravés de profiling, tracing distribuído e logging estruturado;
Resiliência e Segurança: Redução de incidentes de segurança(OWASP Top 10) e conformidade com políticas de governança e ética em IA;
Impacto no Usuário: Nível de excelência e satisfação naexperiência do usuário final com as ferramentas e assistentes desenvolvidos;
Nível avançado/especialista em Engenharia de Dados eIA/Machine Learning, com senioridade em Engenharia de Software;
Generalista técnico com visão sistêmica e autonomia paraarquitetar soluções do zero em projetos de missão crítica. Capacidadecomprovada de liderança técnica;
Educação/Base: Sólido conhecimento em estatística(descritiva, inferencial e testes de hipóteses) e modelagem de dados.
Engenharia de Dados
Domínio avançado de SQL (queries complexas, otimização,window functions) e modelagem de dados;
Experiência sólida com ETL/ELT em escala, incluindo designde pipelines resilientes;
Bancos relacionais (PostgreSQL), não relacional (MongoDB) evetoriais (Milvus, Pinecone, S3 Vector);
Integração com APIs externas e fontes de dados exógenas(REST, GraphQL, webhooks);
Cloud distribuída: AWS avançado (EC2, ECS/Fargate, S3,Lambda, IAM, VPC, CloudWatch);
Streaming de dados em tempo real (Apache Kafka);
Processamento distribuído (Apache Spark);
Infraestrutura como Código (Terraform);
Orquestração de workflows (Apache Airflow);
Monitoramento avançado: Data Quality (Great Expectations,Soda, dbt tests);
Observability de pipelines (Prometheus, Grafana, ELK,OpenTelemetry), ML monitoring (drift, performance, Evidently AI);
Governança de dados (Apache Ranger);
Data lake/lakehouse moderno (Iceberg, PyIceberg);
Ferramentas de visualização e exploração (Metabase, PowerBI).
Engenharia de IA / Machine Learning
Sólida base em estatística descritiva, inferencial, testesde hipóteses, distribuições;
Experiência com modelos supervisionados,não-supervisionados, clustering, recomendação, forecasting;
Domínio de avaliação de modelos (métricas offline/online,precision-recall, ROC, calibration, business metrics), test A/B/n, canary,shadow deployment;
Criação e produção de IAs conversacionais (assistentes,chatbots, copilots);
Arquitetura e implementação de sistemas RAG avançados(retrieval, reranking, chunking inteligente, hybrid search, querytransformation) com Vector DBs;
Desenvolvimento de Agentes de IA autônomos e multiagentes(LangChain,LangGraph, LangFuse);
Criação de Agent as a Service, orquestração de agentes, toolcalling, reasoning loops;
Experiência com Model Context Protocol (MCP): implementaçãode MCP Clients e
MCP Servers, integração de ferramentas externas e dadosproprietários em agentes;
MLOps: versionamento (MLflow, DVC), feature store, serving(Sagemaker, KServe,
BentoML, vLLM), monitoring de modelos em produção;
Conhecimento prático de LLMs (prompt engineering avançado,evaluation
frameworks);
Familiaridade com ética em IA, bias mitigation,explainability (SHAP, LIME).
Engenharia de Software
Python avançado (typing, async/await, decorators,generators, context managers,
metaprogramming);
Desenvolvimento de APIs REST/GraphQL escaláveis (FastAPI,Django REST Framework);
Design de sistemas CRUD, microsserviços, event-drivenarchitecture;
Testes automatizados (pytest, unittest, TDD/BDD,property-based testing, mocking);
CI/CD moderno (GitHub Actions, GitLab CI, Jenkins);
Contêineres e orquestração (Docker, Kubernetes, ECS);
Clean Code, design patterns, SOLID, DDD quando aplicável;
Segurança de aplicações (OWASP Top 10, secrets management,JWT/OAuth, rate
limiting);
Performance e observabilidade (profiling, tracingdistribuído, logging estruturado).
Modelo de trabalho
Remoto
#J-18808-Ljbffr