Analista de Machine Learning Pleno - Rio de Janeiro

Rio Energy; Rio de Janeiro; Híbrido; BRL 120.000 - 160.000; Tempo integral

Resumo da oferta

Uma empresa de energia renovável no Rio de Janeiro está buscando um profissional para apoiar o desenvolvimento de sistemas de machine learning voltados para o monitoramento de ativos solares e eólicos. O papel inclui a implementação de pipelines de dados e modelos, contribuindo para arquiteturas de MLOps. É necessária experiência em Python, SQL e conhecimento em ferramentas de dados. O trabalho é em formato híbrido.

Qualificações

• Inglês Avançado para leitura e comunicação.
• Domínio em Linguagens de Programação como Python e SQL.
• Experiência em Deployment de modelos de ML em ambiente produtivo.
• Vivência prévia como Machine Learning Engineer ou Data Engineer.

Responsabilidades

• Desenvolver e operacionalizar relatórios automáticos com KPIs.
• Projetar e implementar arquiteturas de dados end-to-end.
• Colaborar no desenvolvimento de pipelines de dados robustas.
• Apoiar no desenvolvimento de pipelines de CI/CD para modelos de ML.

Conhecimentos

Python

SQL

Data Warehouse

Data Lake

MLOps

Git

Docker

Airflow

Kedro

Formação académica

Graduação em Ciência da Computação, Engenharia de Computação, Engenharia, Matemática ou Física

Ferramentas

Microsoft SQL Server

PostgreSQL

Hugging Face

Scikit-learn

TensorFlow

PyTorch

AWS

GCP

Azure

Descrição da oferta de emprego

Job description

Será responsável por apoiar no desenvolvimento e operacionalização de sistemas de ML para monitoramento de ativos solares e eólicos, implementando pipelines de dados e modelos em produção sob orientação, contribuindo para arquiteturas escaláveis de MLOps e colaborando na construção de soluções robustas que garantam a performance e confiabilidade dos sistemas de ML da Rio Energy.

Main responsibilities

PRINCIPAIS RESPONSABILIDADES

• Desenvolver modelos e ferramentas que permitam o monitoramento da performance dos ativos da Rio Energy;
• Desenvolver e operacionalizar relatórios automáticos com os principais KPIs monitorados pela área de O&M;
• Interface Técnica: Atuar como ponte entre ciência e engenharia de dados, traduzindo requisitos de modelos ML em especificações técnicas de infraestrutura e pipelines;
• Projetar e implementar arquiteturas de dados end-to-end, desde ingestão até modelagem, incluindo data warehouses e data lakes;
• Colaborar no desenvolvimento de pipelines de dados robustas utilizando Airflow, Kedro;
• Participar da implementação de sistemas de controle de versão utilizando Liquibase;
• Apoiar no desenvolvimento de pipelines de CI/CD para modelos de ML;
• Contribuir com sistemas de monitoramento de performance e qualidade de dados;
• Auxiliar no gerenciamento de infraestrutura de ML utilizando ferramentas cloud-native;
• Manter documentação técnica e participar de sessões de conhecimento.

Requirements and skills

Formação e Experiência

• Graduação em Ciência da Computação, Engenharia de Computação, Engenharias, Matemática, Física ou áreas correlatas.
• Inglês Avançado (leitura de documentação técnica e comunicação).
• Domínio de Linguagens de Programação: Python (intermediário a avançado), SQL (intermediário a avançado).
• Conhecimento em Data Warehouse, Data Lake, Bancos de Dados (Microsoft SQL Server, PostgreSQL).
• Conhecimento em Pipeline de Dados (Airflow, Kedro).
• MLOps e Orquestração: Docker, Gitlab CI/CD, ou similares.
• Versionamento: Git, controle de versão de esquemas de banco.
• Vivência prévia como Machine Learning Engineer, Data Engineer ou Software Engineer é desejável.
• Experiência em Deployment de modelos de ML em ambiente produtivo com suporte de profissionais sêniores.
• Experiência em trabalho colaborativo com times multidisciplinares.
• Especialização ou Mestrado é um diferencial.
• Desejável experiência no setor de energias renováveis ou IoT industrial.

Competências Técnicas Desejáveis

• Controle de Versão de Schema: Liquibase.
• Large Language Models: OpenAI API, Hugging Face, LangChain, prompt engineering.
• Experiência com SCADA e dados de séries temporais industriais.
• Frameworks de ML: Scikit-learn, TensorFlow/PyTorch, XGBoost.
• Testes: Pytest, testes unitários e de integração.
• Cloud Platforms: AWS/GCP/Azure com foco em serviços de dados.

Diferenciais

• Interesse em implementação de soluções baseadas em LLMs.
• Experimentação de modelos.
• Conhecimento básico em segurança e Compliance para sistemas de dados e ML.
• Experiência prévia atuando como interface entre times técnicos.

Additional information

• Local de Atuação : Rio de Janeiro - Bairro Jardim Botânico - Brasil
• Formato Híbrido