São Paulo
Retornar para a página principal
Engenheiro(a) de Machine Learning Pleno
Publicada em
23 de Março de 2026
São Paulo
Descrição
Sobre a posição:
Buscamos uma pessoa Engenheira de Machine Learning Pleno para atuar na construção, operacionalização e evolução de soluções de ML em produção. Essa pessoa será responsável por transformar modelos em produtos escaláveis, seguros e monitoráveis, contribuindo para a aceleração de iniciativas de dados e IA no negócio.
Principais responsabilidades:
- Desenvolver e operacionalizar pipelines de Machine Learning em produção.
- Implementar soluções de treinamento, validação, deploy e monitoramento de modelos.
- Trabalhar na integração entre modelos, aplicações e plataformas de dados.
- Construir fluxos robustos para inferência batch e/ou online.
- Garantir escalabilidade, custo-benefício, segurança e confiabilidade das soluções.
- Apoiar a criação de uma camada de produção para ML, aproximando ciência de dados de engenharia.
- Instrumentar monitoramento técnico e de performance dos modelos.
- Colaborar com arquitetos, cientistas de dados e engenharia de software na evolução das soluções.
Requisitos mínimos
Requisitos obrigatórios técnicos:
- Experiência com implementação de soluções de Machine Learning em produção.
- Conhecimento sólido em Python.
- Vivência com bibliotecas e frameworks de ML, como scikit-learn, XGBoost, TensorFlow ou PyTorch.
- Experiência com deploy e operacionalização de modelos.
- Conhecimento de MLOps, versionamento de modelos e automação de pipelines.
- Vivência com ambientes em nuvem, preferencialmente AWS.
- Conhecimento em APIs, microsserviços ou mecanismos de disponibilização de modelos para consumo.
- Experiência com containers, preferencialmente Docker.
- Conhecimento em monitoramento de modelos, métricas técnicas e observabilidade.
- Bons fundamentos de engenharia de software, testes e versionamento.
Diferenciais técnicos:
- Experiência com ferramentas como SageMaker, MLflow, Kubeflow, Airflow ou Databricks.
- Vivência com streaming, inferência em tempo real ou arquitetura orientada a eventos.
- Conhecimento em feature store.
- Experiência com otimização de custo e performance em soluções de ML.
- Vivência com aplicações mobile instrumentadas com modelos ou telemetria analítica.
- Experiência com segurança e governança de IA.
- Conhecimento em LLMOps, GenAI ou pipelines de modelos generativos.
Entenda as etapas do processo:
- Candidatura
- Mapeamento de Perfil
- Entrevista com RH
- Entrevista Técnica/Gestão
- Contratação
