A Tech For TI está com oportunidade para Engenheiro de Machine Learning atuar em projeto de cliente - AutoTech, focada no mercado B2B, presente em diversos países.
- PJ.
- 100% Remoto - Qualquer local BR.
Qualquer necessidade de realização de convenção, evento, cliente custeará o deslocamento (Vinhedo SP).
Encaminhe seu currículo para: mnascimento@techforti.com.br
Sobre o Projeto:
Profissional focado em modelagem de dados, construção e treinamentos de modelos.
Requisitos Mandatórios:
* Experiência profissional comprovada atuando como Engenheiro (a) de Machine Learning, Engenheiro (a) de Dados com foco em ML, ou em posição similar.
* Atuação em Python e suas principais bibliotecas de dados e ML (Pandas, Scikit-learn, TensorFlow/Keras ou PyTorch).
* Experiência prática com ferramentas e frameworks de MLOps (ex: Kubeflow, MLflow, TFX) e orquestradores de workflow (ex: Airflow, Argo Workflows).
* Prática com conteinerização com Docker e orquestração com Kubernetes (K8s).
Sistemas de controle de versão (Git) e práticas de CI/CD.
Requisitos Desejáveis:
* Experiência com processamento de dados em larga escala (Big Data) utilizando ferramentas como Apache Spark ou Beam.
* Vivência em plataformas de nuvem (AWS ou Azure).
* Experiência em projetos de sistemas de recomendação, visão computacional ou processamento de linguagem natural (PLN).
Principais Atividades:
- Implementação e Deploy: Colocar em produção e manter pipelines de Machine Learning, garantindo alta disponibilidade e performance.
- Automação (MLOps): Desenvolver e gerenciar a infraestrutura de CI/CD (Integração Contínua/Entrega Contínua) para o ciclo de vida dos modelos, incluindo treinamento, versionamento, deploy e monitoramento automatizados.
- Infraestrutura em Nuvem: Utilizar os serviços da Google Cloud Platform (GCP) para construir e gerenciar soluções de ML, como Vertex AI, BigQuery.
- Monitoramento: Criar e manter sistemas de monitoramento para detectar desvios (drift) de dados e de conceito, quedas de performance e garantir a saúde dos modelos em produção.
- Colaboração: Trabalhar em estreita colaboração com Cientistas de Dados para entender os requisitos dos modelos e transformá-los em soluções produtivas e robustas.
- Boas Práticas: Aplicar as melhores práticas de engenharia de software no contexto de Machine Learning, incluindo testes, conteinerização (Docker/Kubernetes) e versionamento de código e dados.