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.