O que você precisa conhecer para fazer parte da Topaz?
Experiência Profissional
* Experiência em desenvolvimento de software
* Experiência com dados em atividades relacionadas a MLOps ou Data Science
Habilidades Técnicas
Programação em Python:
* Proficiência em Python para desenvolvimento de aplicações robustas
* Versionamento de código com Git
* Conhecimento sólido de estruturas de dados, algoritmos e padrões de projeto
* Manipulação de dados com NumPy e Pandas
* Desenvolvimento de modelos com Scikit Learn e TensorFlow
* Testes unitários com pytest
* Testes de carga com Locust
Cloud e Infraestrutura:
* Experiência prática com AWS (EC2, S3, Lambda, ECR, ECS/EKS)
* Containerização com Docker
* Orquestração com Kubernetes
* Infrastructure as Code com Terraform
DevOps e CI/CD:
* Experiência com GitLab CI/CD para automação de pipelines
* Conhecimento de práticas de DevOps aplicadas a ML
Banco de Dados:
* Experiência com bancos de dados NoSQL (MongoDB, DocumentDB, DynamoDB)
* Desenvolvimento de modelo ORM para bancos relacionais
Diferenciais
* Certificações AWS (Solutions Architect, Machine Learning Specialty)
* Experiência com ferramentas de MLOps (MLflow, Kubeflow, Airflow)
* Conhecimento em Feature Stores e Model Registry
* Experiência com frameworks de monitoramento de modelos
* Conhecimento em segurança e governança de dados
* Contribuições open source
Seu Dia a Dia na Topaz:
Na Topaz, você será responsável por liderar o desenvolvimento e a implantação de modelos avançados que impulsionam a prevenção de fraudes em larga escala. Seu dia-a-dia será desafiador e repleto de oportunidades para aplicar suas habilidades técnicas e estratégicas. Entre as principais atividades estão:
Desenvolvimento e Infraestrutura de ML
* Desenvolver e manter pipelines automatizados de ML (CI/CD) para treinamento, validação e deploy de modelos
* Adequar pipelines de transformação de dados para inferência de modelos de aprendizado de máquina
* Garantir a escalabilidade e disponibilidade das aplicações de ML em ambientes produtivos
Implantação e Monitoramento em Produção
* Trabalhar em conjunto com Cientistas de Dados para criar pipelines robustos e escaláveis
* Implementar sistemas de monitoramento contínuo do desempenho dos modelos em produção
* Identificar e mitigar degradações de performance, data drift e concept drift
* Estabelecer alertas e dashboards para acompanhamento de métricas críticas
Otimização e Manutenção Contínua
* Implementar estratégias de retreinamento automático e versionamento de modelos
* Atualizar modelos com novos dados mantendo a rastreabilidade e governança
* Implementar técnicas de explicabilidade (XAI) garantindo transparência e conformidade regulatória
* Otimizar custos de infraestrutura e tempo de processamento
Pesquisa e Inovação
* Explorar e avaliar novas tecnologias, frameworks e ferramentas de MLOps
* Contribuir para a definição de boas práticas, padrões técnicos e documentação da equipe
* Manter-se atualizado com tendências e inovações em Machine Learning Operations