Essa pessoa terá papel estratégico em dar velocidade, consistência e governança às entregas do time de Ciências de Dados, atuando como referência técnica em MLOps, LLMOps e arquitetura de plataformas de IA. Você terá autonomia para definir padrões, influenciar decisões arquiteturais e participar ativamente de fóruns de Arquitetura, trazendo o viés de plataforma de AI para a organização.O que você vai fazer- Estruturar e evoluir a plataforma de IA que suporta os times de Ciência de Dados e Machine Learning;
- Definir padrões, templates e boas práticas para desenvolvimento, treino, deploy e monitoramento de modelos;
- Atuar na padronização de pipelines de ML, LLMs e features, garantindo reprodutibilidade e escalabilidade;
- Trabalhar com Databricks para orquestração de dados, feature engineering, treinamento e experimentação;
- Implementar práticas de MLOps e LLMOps (versionamento, CI/CD, observabilidade, rollback, governança);
- Explorar e integrar code agents e ferramentas de IA para aumentar a produtividade do time;
- Participar de fóruns de Arquitetura, contribuindo com decisões técnicas sob a ótica de plataformas de IA;
- Colaborar com cientistas de dados, engenheiros de dados e engenheiros de software para reduzir fricções entre pesquisa e produção;
- Garantir padrões de segurança, compliance e controle de custos em workloads de IA.O que esperamos de você- Databricks (workflows, notebooks, jobs, Delta Lake, MLflow);
- MLOps (versionamento de modelos, experiment tracking, CI/CD de ML, monitoramento);
- LLMOps (deploy, versionamento, avaliação e observabilidade de LLMs);
- Orquestração de pipelines de dados e ML;
- Integração com APIs demodelos fundacionais (OpenAI, Azure OpenAI, etc.);
- Uso avançado de code agents para aceleração de desenvolvimento e automação;
- Diferenciais técnicos:- Kubernetes para orquestração e escalabilidade de workloads de IA;
- Experiência com cloud (AWS, GCP ou Azure) aplicada a IA e dados;
- Feature Stores e estratégias de reutilização de features;
- Observabilidade aplicada a modelos (drift, performance, custos);
- Arquitetura de plataformas internas (self-service para times de dados).Diferenciais- Mindset de plataforma e visão sistêmica;
- Forte senso de ownership e autonomia técnica;
- Capacidade de transformar pesquisa em soluções produtivas e escaláveis;
- Comunicação clara paraatuar como ponte entre Ciência de Dados, Engenharia e Arquitetura;
- Curiosidade e profundidade técnica em IA aplicada, MLOps e automação;
- Proatividade para propor melhorias de padrão, velocidade e governança.Informações adicionaisVaga PJ no modelo 100% remoto.