Job type: Full-time employee Full-time employee
A transformação faz parte da nossa história e nos motiva a continuar seguindo em frente, afinal, nós somos protagonistas da mudança. Ser um docketeer é ter nossos valores enraizados no DNA. Na Docket, agimos com responsabilidade e urgência para fazer um trabalho de alta qualidade. Temos empatia e caminhamos juntos para a mesma direção. Respeitamos as diferenças e prezamos pela diversidade. Somos destemidos e fazemos as coisas acontecerem.
Cada um de nós está preparado para superar desafios e passar para a próxima página sempre em busca da melhor versão. Por isso, lideramos pelo exemplo, agimos como donos e somos orientados para o resultado.
Se você, assim como nós, confia nos mesmos propósitos, é a sua oportunidade de participar de algo maior.
Faça parte dessa jornada de evolução incrível.
Desenvolver, treinar e otimizar modelos baseados em Transformers e LLMs para tarefas de processamento de texto;
Construir pipelines robustos de pré-processamento e pós-processamento textual;
Aplicar boas práticas de engenharia de software em projetos de Machine Learning;
Trabalhar com dados estruturados e não estruturados, integrando modelos com bancos de dados e APIs;
Participar de decisões técnicas sobre arquitetura, versionamento de modelos, testes e deploy;
Colaborar com engenheiros de dados e outros times para escalar soluções em produção.
Python: Domínio avançado da linguagem, com foco em orientação a objetos, otimização de código e organização de projetos;
Machine Learning: Experiência com modelos como BERT, RoBERTa, GPT, Mistral, incluindo fine-tuning e uso em tarefas de NLP. Forte experiência com engenharia de prompt;
Processamento de Texto: Classificação e extração de entidades;
OCR: Experiência básica com ferramentas como Tesseract e Google Vision OCR;
Bancos de Dados (PostgreSQL): Manipulação de dados via SQL, integração com pipelines de ML;
Git/GitHub: Versionamento de código, revisão de PRs, uso em times colaborativos;
Debug e Testes: Capacidade de identificar e resolver bugs, criar testes automatizados com Pytest ou Unittest;
Padrões de Projeto: Aplicação de boas práticas de arquitetura e design patterns.
Experiência com APIs RESTful e FastAPI;
Conhecimento em Docker e deploy de modelos em nuvem;
Familiaridade com ferramentas de prototipação como Streamlit;
Conhecimento em cloud (AWS, GCP);
Experiência com Agents baseados em LLMs;
Uso de MLflow, Weights & Biases, DVC ou ferramentas similares para monitoramento, versionamento e automação de experimentos;
MLOps, ou Machine Learning Operations, refere-se ao conjunto de práticas e ferramentas que automatizam e facilitam o ciclo de vida do machine learning, desde o desenvolvimento até a implantação e monitoramento dos modelos.
Na Docket, a gente sabe que os detalhes fazem toda a diferença! Aqui, oferecemos um pacote de benefícios incríveis, dá uma olhada: