O que você precisa conhecer para fazer parte da Topaz?Experiência ProfissionalExperiência em desenvolvimento de softwareExperiência com dados em atividades relacionadas a MLOps ou Data ScienceHabilidades TécnicasProgramação em Python:Proficiência em Python para desenvolvimento de aplicações robustasVersionamento de código com GitConhecimento sólido de estruturas de dados, algoritmos e padrões de projetoManipulação de dados com NumPy e PandasDesenvolvimento de modelos com Scikit Learn e TensorFlowTestes unitários com pytestTestes de carga com LocustCloud e Infraestrutura:Experiência prática com AWS (EC2, S3, Lambda, ECR, ECS/EKS)Containerização com DockerOrquestração com KubernetesInfrastructure as Code com TerraformDevOps e CI/CD:Experiência com GitLab CI/CD para automação de pipelinesConhecimento de práticas de DevOps aplicadas a MLBanco de Dados:Experiência com bancos de dados NoSQL (MongoDB, DocumentDB, DynamoDB)Desenvolvimento de modelo ORM para bancos relacionaisDiferenciaisCertificações AWS (Solutions Architect, Machine Learning Specialty)Experiência com ferramentas de MLOps (MLflow, Kubeflow, Airflow)Conhecimento em Feature Stores e Model RegistryExperiência com frameworks de monitoramento de modelosConhecimento em segurança e governança de dadosContribuições open sourceSeu Dia a Dia na Topaz:Na Topaz, você será responsável por liderar o desenvolvimento e a implantação de modelos avançados que impulsionam a prevenção de fraudes em larga escala. Seu dia-a-dia será desafiador e repleto de oportunidades para aplicar suas habilidades técnicas e estratégicas. Entre as principais atividades estão:Desenvolvimento e Infraestrutura de MLDesenvolver e manter pipelines automatizados de ML (CI/CD) para treinamento, validação e deploy de modelosAdequar pipelines de transformação de dados para inferência de modelos de aprendizado de máquinaGarantir a escalabilidade e disponibilidade das aplicações de ML em ambientes produtivosImplantação e Monitoramento em ProduçãoTrabalhar em conjunto com Cientistas de Dados para criar pipelines robustos e escaláveisImplementar sistemas de monitoramento contínuo do desempenho dos modelos em produçãoIdentificar e mitigar degradações de performance, data drift e concept driftEstabelecer alertas e dashboards para acompanhamento de métricas críticasOtimização e Manutenção ContínuaImplementar estratégias de retreinamento automático e versionamento de modelosAtualizar modelos com novos dados mantendo a rastreabilidade e governançaImplementar técnicas de explicabilidade (XAI) garantindo transparência e conformidade regulatóriaOtimizar custos de infraestrutura e tempo de processamentoPesquisa e InovaçãoExplorar e avaliar novas tecnologias, frameworks e ferramentas de MLOpsContribuir para a definição de boas práticas, padrões técnicos e documentação da equipeManter-se atualizado com tendências e inovações em Machine Learning Operations