Engenheiro de Machine Learning - Remoto

Saia na frente:

CANDIDATE-SE

Vaga ofertada por parceiro do Jobbol:
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: mnascimento techforti.com.brSobre 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.