ResponsabilidadesProjetar, desenvolver e manter pipelines de Machine Learning (treinamento, validação, deployment e monitoramento);Implementar modelos preditivos e de classificação usando técnicas estatísticas, algoritmos supervisionados e não supervisionados;Garantir versionamento e rastreabilidade de dados, modelos e experimentos;Criar e manter APIs, serviços e automações que suportem modelos em produção;Monitorar drift de dados e desempenho dos modelos em produção, propondo melhorias contínuas;Trabalhar em conjunto com times de Data Engineering, Produto e Negócio para garantir entregas eficientes e alinhadas às demandas;Implementar boas práticas de MLOps (CI/CD para modelos, automações, containers, jobs agendados);Trabalhar com ferramentas de orquestração e MLOps (ex.: Kubeflow, MLflow, Airflow) para assegurar workflows robustos;Definir e aplicar infraestrutura como código (IaC) para provisionamento em nuvem (Terraform, CloudFormation, Pulumi, etc.);Gerenciar e otimizar soluções de deploy de modelos, tanto em ambientes serverless quanto em clusters containerizados (ex.: AWS SageMaker, Kubernetes).RequisitosBuscamos alguém com:Experiência comprovada com Python e bibliotecas como Pandas e NumPy;Conhecimento de técnicas de modelagem (regressão, classificação, clustering, ensembles etc.);Experiência sólida em bibliotecas de ML (scikit-learn, TensorFlow, PyTorch, XGBoost, Catboost, LightGBM);Forte conhecimento em ML lifecycle, modelagem, tuning de hiperparâmetros e avaliação de performance;Experiência prática com deploy de modelos em produção em nuvem (AWS SageMaker, GCP Vertex AI ou Azure ML);Domínio em CI/CD aplicado a pipelines de ML, incluindo testes automatizados e integração contínua;Experiência com Infraestrutura como Código (IaC) — Terraform, CloudFormation ou equivalentes;Experiência com orquestração de workflows ou ferramentas MLOps (Kubeflow, Airflow, MLflow).Experiência com deploy de modelos em APIs (FastAPI, Flask, etc.);Boas práticas de versionamento (Git) e documentação;Familiaridade com ambientes em nuvem (AWS, GCP ou Azure).Serão DiferenciaisConhecimento em sistemas distribuídos e processamento de dados em escala (Spark, Beam);Experiência sólida em ferramentas AWS (SageMaker, Lambda, S3, Glue, CloudFormation, CodeBuild);Experiência com monitoramento de modelos (EvidentlyAI, WhyLabs);Conhecimentos de containers e orquestração (Docker e Kubernetes) para servir modelos de forma escalável;Experiência com bancos de dados SQL e/ou NoSQL;Noções de engenharia de dados e data pipelines;Experiência com arquitetura de microsserviços;Participação em projetos de ciência de dados aplicados ao negócio.BenefíciosO Que OferecemosPlano de saúde e odontológico Bradesco;Wellhub (antiga Gympass);Conexa Saúde & Psicologia Viva;Parceria Corporativa com a Open English (descontos em cursos de Inglês & Espanhol);Caju: Auxílio Home Office;Recesso remunerado de 22 dias úteis/ano;Day off de aniversário;Modelo de contratação PJ.