Job Description
RESPONSABILIDADES E ATRIBUIÇÕES Desenvolver, treinar, validar e implementar modelos de Machine Learning e Inteligência Artificial em ambiente de produção; Atuar no ciclo completo de projetos de ciência de dados, desde a coleta, limpeza e preparação de dados até a modelagem, avaliação e deploy; Utilizar ferramentas e frameworks como Python, TensorFlow, PyTorch, scikit-learn, pandas e numpy para desenvolvimento de soluções; Implementar e monitorar pipelines de MLOps, garantindo a escalabilidade, reprodutibilidade e qualidade dos modelos; Trabalhar com cloud computing (AWS, Azure ou GCP) para provisionamento e gestão de recursos de processamento e armazenamento; Realizar consultas e análises em bancos de dados relacionais e NoSQL; Aplicar fundamentos matemáticos e estatísticos (álgebra linear, cálculo, probabilidade e otimização) na construção de soluções robustas; Garantir boas práticas de versionamento, documentação e monitoramento de modelos em produção; Colaborar com equipes multidisciplinares para identificar oportunidades de aplicação de IA/ML e transformar demandas de negócio em soluções baseadas em dados; Contribuir para a evolução técnica da equipe, compartilhando conhecimento e orientando boas práticas em ciência de dados. REQUISITOS E QUALIFICAÇÕES Graduação completa em Ciência da Computação, Engenharia, Matemática ou áreas correlatas; Experiência comprovada em desenvolvimento de soluções de IA/ML e projetos de Machine Learning em produção; Domínio avançado em Python e bibliotecas como scikit-learn, pandas e numpy; Experiência sólida com frameworks de deep learning (TensorFlow e/ou PyTorch); Vivência em ambientes de cloud computing (AWS, Azure ou GCP); Conhecimentos em MLOps e práticas de deploy, monitoramento e manutenção de modelos em produção; Experiência em SQL e bancos de dados relacionais e NoSQL; Inglês para leitura técnica e comunicação em nível profissional; Base matemática sólida: álgebra linear, cálculo, estatística, probabilidade e otimização. DIFERENCIAIS Mestrado ou Doutorado em áreas relacionadas; Experiência com Kubernetes e Docker; Conhecimento em NLP (Processamento de Linguagem Natural); Certificações em Cloud (AWS, Azure ou GCP); Publicações científicas ou contribuições em projetos open source.