Essa pessoa terá papel estratégico em dar velocidade, consistência e governança às entregas do time de Ciências de Dados, atuando como referência técnica em MLOps, LLMOps e arquitetura de plataformas de IA. Você terá autonomia para definir padrões, influenciar decisões arquiteturais e participar ativamente de fóruns de Arquitetura, trazendo o viés de plataforma de AI para a organização. O que você vai fazerEstruturar e evoluir a plataforma de IA que suporta os times de Ciência de Dados e Machine Learning; Definir padrões, templates e boas práticas para desenvolvimento, treino, deploy e monitoramento de modelos; Atuar na padronização de pipelines de ML, LLMs e features, garantindo reprodutibilidade e escalabilidade; Trabalhar com Databricks para orquestração de dados, feature engineering, treinamento e experimentação; Implementar práticas de MLOps e LLMOps (versionamento, CI/CD, observabilidade, rollback, governança); Explorar e integrar code agents e ferramentas de IA para aumentar a produtividade do time; Participar de fóruns de Arquitetura, contribuindo com decisões técnicas sob a ótica de plataformas de IA; Colaborar com cientistas de dados, engenheiros de dados e engenheiros de software para reduzir fricções entre pesquisa e produção; Garantir padrões de segurança, compliance e controle de custos em workloads de IA.O que esperamos de você Databricks (workflows, notebooks, jobs, Delta Lake, MLflow); MLOps (versionamento de modelos, experiment tracking, CI/CD de ML, monitoramento); LLMOps (deploy, versionamento, avaliação e observabilidade de LLMs); Orquestração de pipelines de dados e ML; Integração com APIs de modelos fundacionais (OpenAI, Azure OpenAI, etc.); Uso avançado de code agents para aceleração de desenvolvimento e automação; Diferenciais técnicos: Kubernetes para orquestração e escalabilidade de workloads de IA; Experiência com cloud (AWS, GCP ou Azure) aplicada a IA e dados; Feature Stores e estratégias de reutilização de features; Observabilidade aplicada a modelos (drift, performance, custos); Arquitetura de plataformas internas (self-service para times de dados).Diferenciais Mindset de plataforma e visão sistêmica; Forte senso de ownership e autonomia técnica; Capacidade de transformar pesquisa em soluções produtivas e escaláveis; Comunicação clara para atuar como ponte entre Ciência de Dados, Engenharia e Arquitetura; Curiosidade e profundidade técnica em IA aplicada, MLOps e automação; Proatividade para propor melhorias de padrão, velocidade e governança.Informações adicionais Vaga PJ no modelo 100% remoto.