Seu desafio no time:

Você será peça fundamental na estratégia de IA/ML da área de Operations, colaborando para que o time cumpra seu papel de dono da Estratégia de Receita da empresa. Seu trabalho será desenvolver soluções robustas e escaláveis que habilitem as operações de Marketing, Sales e Customer Success a serem ainda mais data driven, promovendo maior eficiência e impacto nos resultados do negócio.

Suas principais entregas:

Construir pipelines de treinamento para modelos de Machine Learning e Deep Learning (supervisionado, não supervisionado e modelos de linguagem - LLMs) para resolver problemas de alto impacto.
Implementar e manter pipelines MLOps robustos (CI/CD, versionamento, monitoramento de desvio de modelo e drift de dados) para automatizar o ciclo de vida completo do modelo.
Integrar modelos de IA com aplicações front-end, back-end e sistemas operacionais, garantindo alta disponibilidade, baixa latência e escalabilidade.
Trabalhar em colaboração com Engenheiros de Dados para garantir fornecimento de features de alta qualidade e infraestrutura otimizada para treinamento e inferência.
Monitorar o desempenho dos modelos em produção, garantindo performance e retreinamento quando necessário, além de propor soluções arquiteturais inovadoras em MLOps e IA.

Perfil que buscamos:

Graduação em TI, Ciência da Computação, Engenharia da Computação, Estatística ou áreas afins.
Experiência sólida em Engenharia de Machine Learning, com foco na operacionalização (deployment) de modelos em produção.
Experiência comprovada com o ciclo de vida completo (MLOps) de pelo menos um modelo de Deep Learning ou LLM.
Domínio de Python e bibliotecas de ML (TensorFlow, PyTorch, scikit-learn).
Experiência sólida com Google Cloud Platform (GCP), incluindo BigQuery, Cloud Functions/Run e Compute Engine.
Proficiência em MLOps (CI/CD, versionamento de modelos e data features).
Experiência com model serving e contêineres.

Será considerado um diferencial:

Experiência com Vertex AI.
Conhecimento em algoritmos de Machine Learning, Deep Learning e suas aplicações.
Experiência com orquestração de workflows (Apache Airflow ou Google Cloud Composer).
Conhecimento em frameworks de LLMs (Hugging Face, LangChain ou similares).
Experiência em otimização de modelos para hardware específico (ex: GPUs).
Experiência com Infraestrutura como Código (Terraform).
Certificações específicas, como Google Professional Machine Learning Engineer.

Etapas do processo seletivo:

Aplicação - Envio da inscrição;
Mindsight – Teste de estilo de trabalho;
Talent Acquisition - Entrevista por competência com o time de recrutamento;
Entrevista Técnica - Entrevista técnica para discussão de requisitos da vaga;
Entrevista Final - Conversa final com a gerência para alinhamento;
Offer - Fase de conclusão do processo seletivo, com a apresentação da proposta de trabalho.

Obs: Podem ter etapas complementares e/ou alterações, de acordo com a necessidade do processo.

Remote Jobs - YesRemoteJobs

Rdsourcing

Open Positions (1)

Engenharia de Inteligência Artificial Sénior | RD Station (Remoto)