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.