Descrição da vaga
Essa pessoa terá papel estratégico em dar velocidade, consistência e governança às entregas do time de Ciências de Dados, atuando como referência técnica em MLOps, LLMOps e arquitetura de plataformas de IA. Você terá autonomia para definir padrões, influenciar decisões arquiteturais e participar ativamente de fóruns de Arquitetura, trazendo o viés de plataforma de AI para a organização.
O que você vai fazer
• Estruturar e evoluir a plataforma de IA que suporta os times de Ciência de Dados e Machine Learning;
• Definir padrões, templates e boas práticas para desenvolvimento, treino, deploy e monitoramento de modelos;
• Atuar na padronização de pipelines de ML, LLMs e features, garantindo reprodutibilidade e escalabilidade;
• Trabalhar com Databricks para orquestração de dados, feature engineering, treinamento e experimentação;
• Implementar práticas de MLOps e LLMOps (versionamento, CI/CD, observabilidade, rollback, governança);
• Explorar e integrar code agents e ferramentas de IA para aumentar a produtividade do time;
• Participar de fóruns de Arquitetura, contribuindo com decisões técnicas sob a ótica de plataformas de IA;
• Colaborar com cientistas de dados, engenheiros de dados e engenheiros de software para reduzir fricções entre pesquisa e produção;
• Garantir padrões de segurança, compliance e controle de custos em workloads de IA.
O que esperamos de você
• Databricks (workflows, notebooks, jobs, Delta Lake, MLflow);
• MLOps (versionamento de modelos, experiment tracking, CI/CD de ML, monitoramento);
• LLMOps (deploy, versionamento, avaliação e observabilidade de LLMs);
• Orquestração de pipelines de dados e ML;
• Integração com APIs de modelos fundacionais (OpenAI, Azure OpenAI, etc.);
• Uso avançado de code agents para aceleração de desenvolvimento e automação;
• Diferenciais técnicos:
• Kubernetes para orquestração e escalabilidade de workloads de IA;
• Experiência com cloud (AWS, GCP ou Azure) aplicada a IA e dados;
• Feature Stores e estratégias de reutilização de features;
• Observabilidade aplicada a modelos (drift, performance, custos);
• Arquitetura de plataformas internas (self-service para times de dados).
Diferenciais
• Mindset de plataforma e visão sistêmica;
• Forte senso de ownership e autonomia técnica;
• Capacidade de transformar pesquisa em soluções produtivas e escaláveis;
• Comunicação clara para atuar como ponte entre Ciência de Dados, Engenharia e Arquitetura;
• Curiosidade e profundidade técnica em IA aplicada, MLOps e automação;
• Proatividade para propor melhorias de padrão, velocidade e governança.
Informações adicionais
Vaga PJ no modelo 100% remoto.