Formação:

• Graduação em Ciência da Computação, Engenharia de Software, Engenharia de Dados ou áreas correlatas. Pós-graduação ou certificações em áreas relevantes são desejáveis.

Experiência:

• A partir de 7 anos de experiência profissional na área de tecnologia da informação, com pelo menos 5 anos dedicados especificamente à engenharia de dados, MLOps ou Ciência de dados.

Responsabilidades:

• Projetar, desenvolver e manter pipelines de dados eficientes e escaláveis para coletar, processar e transformar dados brutos em formatos prontos para uso em modelos de aprendizado de máquina;
• Garantir a qualidade, integridade e consistência dos dados ao longo de todo o ciclo de vida do ML;
• Implementar pipelines de CI/CD (Integração Contínua/Entrega Contínua) para automação de testes, validação e implantação de modelos de ML;
• Automatizar processos de treinamento, validação, deployment e monitoramento de modelos;
• Configurar e gerenciar a infraestrutura necessária para suportar o ciclo de vida do ML, incluindo ambientes de desenvolvimento, teste e produção;
• Utilizar ferramentas de gerenciamento de contêineres como Docker e Kubernetes para escalar e orquestrar modelos de ML;
• Monitorar o desempenho dos modelos em produção e implementar alertas e métricas para identificar e resolver problemas;
• Realizar manutenção regular dos modelos para garantir que permaneçam atualizados e eficazes;
• Trabalhar em estreita colaboração com cientistas de dados, engenheiros de software e outros stakeholders para entender os requisitos do projeto e garantir a entrega eficaz de soluções de ML;
• Facilitar a comunicação e a colaboração entre as equipes de desenvolvimento e operações para garantir uma integração perfeita;
• Implementar práticas de gerenciamento de dados, incluindo governança de dados, segurança e conformidade com regulamentações (como GDPR e LGPD);
• Garantir a proteção dos dados sensíveis e confidenciais ao longo do ciclo de vida do ML;
• Identificar gargalos e otimizar o desempenho dos pipelines de dados e dos modelos de ML;
• Utilizar técnicas avançadas de otimização para melhorar a eficiência e reduzir custos operacionais;
• Implementar novas ferramentas que possam melhorar os processos e a eficiência operacional;
• Documentar todos os processos, procedimentos e configurações de infraestrutura relacionados aos pipelines de MLops;
• Estabelecer e promover as melhores práticas para desenvolvimento, implantação e operação de modelos de ML em escala;
• Manter-se atualizado com as últimas tendências e tecnologias em MLops e engenharia de dados;
• Fornecer orientação e suporte técnico para membros juniores da equipe;
• Assumir um papel de liderança em projetos críticos e ajudar a definir a direção estratégica para a equipe de MLops