Descrição da vaga
Na Stefanini, acreditamos no poder da colaboração. Co-criamos soluções inovadoras em parceria com nossos clientes, combinando tecnologia de ponta, inteligência artificial e a criatividade humana. Estamos na vanguarda da resolução de problemas de negócios, proporcionando impacto real em escala global.
Ao se juntar à Stefanini, você se torna parte de uma jornada global de transformação. Estamos empenhados em criar impacto positivo não apenas nos negócios, mas também na vida de nossos colaboradores. Se você procura uma oportunidade de crescimento profissional em uma empresa que valoriza inovação, respeito, autonomia e parceria, você encontra aqui!
Junte-se a nós e seja parte da mudança!
Responsabilidades:
* Monitorar e manter os modelos de Machine Learning e LLM (Large Language Models) em produção, assegurando que operem dentro dos parâmetros de performance esperados.
* Realizar reescrita de modelos quando necessário para melhorar a eficiência ou adaptar a novas necessidades do negócio.
* Executar retreinamento de modelos para manter a precisão e relevância com base em novos dados ou mudanças no ambiente de produção.
* Diagnosticar e resolver problemas relacionados à performance dos modelos, como drift de dados ou degradação da precisão.
* Colaborar com times de desenvolvimento e operações para integrar melhorias e atualizações nos modelos de maneira eficiente e sem interrupções no serviço.
* Documentar processos de sustentação e mudanças realizadas nos modelos para futura referência e auditoria.
Requisitos Técnicos:
* Experiência sólida em Machine Learning, com foco em técnicas de aprendizado supervisionado e não supervisionado.
* Conhecimento profundo em Large Language Models (LLM), incluindo treinamento, ajuste fino (fine-tuning) e avaliação.
* Habilidade em programação, preferencialmente em Python, e familiaridade com bibliotecas como TensorFlow, PyTorch, Hugging Face Transformers, entre outras.
* Conhecimento em técnicas de monitoramento de modelos e ferramentas de DataOps para gestão de ciclos de vida de modelos.
* Experiência com plataformas de nuvem (AWS, GCP, Azure) para deployment e sustentação de modelos.
* Capacidade de trabalhar com grandes volumes de dados e entender o impacto dos dados na performance dos modelos.