Engenheiro de Machine Learning

A Tech For TI está com oportunidade para Engenheiro de Machine Learning atuar em projeto de cliente - AutoTech, focada no mercado B2B, presente em diversos países.

- PJ.

- 100% Remoto - Qualquer local BR.

Qualquer necessidade de realização de convenção, evento, cliente custeará o deslocamento (Vinhedo SP).

Encaminhe seu currículo para: [email protected]

Sobre o Projeto:

Profissional focado em modelagem de dados, construção e treinamentos de modelos.

Requisitos Mandatórios:

• Experiência profissional comprovada atuando como Engenheiro (a) de Machine Learning, Engenheiro (a) de Dados com foco em ML, ou em posição similar.
• Atuação em Python e suas principais bibliotecas de dados e ML (Pandas, Scikit-learn, TensorFlow/Keras ou PyTorch).
• Experiência prática com ferramentas e frameworks de MLOps (ex: Kubeflow, MLflow, TFX) e orquestradores de workflow (ex: Airflow, Argo Workflows).
• Prática com conteinerização com Docker e orquestração com Kubernetes (K8s).

Sistemas de controle de versão (Git) e práticas de CI/CD.

Requisitos Desejáveis:

• Experiência com processamento de dados em larga escala (Big Data) utilizando ferramentas como Apache Spark ou Beam.
• Vivência em plataformas de nuvem (AWS ou Azure).
• Experiência em projetos de sistemas de recomendação, visão computacional ou processamento de linguagem natural (PLN).

Principais Atividades:

- Implementação e Deploy: Colocar em produção e manter pipelines de Machine Learning, garantindo alta disponibilidade e performance.

- Automação (MLOps): Desenvolver e gerenciar a infraestrutura de CI/CD (Integração Contínua/Entrega Contínua) para o ciclo de vida dos modelos, incluindo treinamento, versionamento, deploy e monitoramento automatizados.

- Infraestrutura em Nuvem: Utilizar os serviços da Google Cloud Platform (GCP) para construir e gerenciar soluções de ML, como Vertex AI, BigQuery.

- Monitoramento: Criar e manter sistemas de monitoramento para detectar desvios (drift) de dados e de conceito, quedas de performance e garantir a saúde dos modelos em produção.

- Colaboração: Trabalhar em estreita colaboração com Cientistas de Dados para entender os requisitos dos modelos e transformá-los em soluções produtivas e robustas.

- Boas Práticas: Aplicar as melhores práticas de engenharia de software no contexto de Machine Learning, incluindo testes, conteinerização (Docker/Kubernetes) e versionamento de código e dados.