Atividades- Atuar em todas as etapas do ciclo de vida de ciência de dados: coleta, tratamento, modelagem, validação, deploy e monitoramento de modelos.- Desenvolver e manter pipelines de Machine Learning (treinamento, inferência, versionamento e automação).- Implementar pipelines de MLOps e LLMOps, incluindo CI/CD, controle de versionamento de dados, prompts e modelos e monitoramento de performance.- Desenvolver soluções em Python, utilizando boas práticas de engenharia de software e reprodutibilidade.- Construir e otimizar pipelines de dados integrando fontes diversas, garantindo qualidade e governança.- Aplicar métodos estatísticos e técnicas de aprendizado supervisionado e não supervisionado para resolver problemas de negócio.- Trabalhar em parceria com times de engenharia, produto e negócio, traduzindo desafios técnicos em resultados mensuráveis.Requisitos- Formação superior em Ciência da Computação, Engenharia, Estatística, Matemática ou áreas correlatas.- Experiência em projetos de ciência de dados aplicados a negócios.- Domínio em Python e bibliotecas de ciência de dados (pandas, numpy, scikit-learn, etc.).- Experiência prática com MLOps (implementação de pipelines de ML, CI/CD, versionamento de modelos, deploy e monitoramento em produção).- Conhecimento sólido em SQL e manipulação de bases de dados relacionais e não relacionais.- Vivência com modelagem estatística e métricas de desempenho de modelos.- Familiaridade com ferramentas de visualização de dados (Looker Studio, Power BI, Tableau ou similares).Diferenciais:- Experiência com Vertex AI Model Garden, experimentação com Gemini e tuning de modelos via Vertex AI.- Certificações em Machine Learning, MLOps ou pipelines de ML em nuvem.- Familiaridade com frameworks de orquestração e versionamento (Airflow, MLflow, Kubeflow, DVC, etc.).- Conhecimento em integração com modelos de linguagem (LLMs), cache de prompts e otimização de custos de inferência de LLMs.- Familiaridade com Red Teaming para LLMs e implementação de guardrails de segurança (Content Safety API).- Experiência em deploy de modelos em containers utilizando Google Kubernetes Engine (GKE) ou Cloud Run.- Espanhol ou inglês avançado.Informações adicionais:- Contratação CLT- Atuação remota