Consultor de IA

vaga confidencial; Taboão da Serra; Híbrido; BRL 120.000 - 160.000; Tempo parcial

Resumo da oferta

Uma posição para engenheiro de Machine Learning está aberta em Taboão da Serra, oferecendo um contrato PJ. O profissional sênior será responsável por desenvolver e operar soluções de Inteligência Artificial, focando em pipelines de dados e deploy de modelos. A função requer forte domínio em Python, Kubernetes e experiência com LLMs e MLOps. A remuneração está entre R$25.000 e R$29.000, com possibilidade de trabalho híbrido.

Qualificações

• Profissional sênior com forte experiência em Python e MLOps.
• Domínio em ambientes de containerização para aplicações em produção.
• Capacidade de traduzir requisitos de negócio em soluções técnicas.

Responsabilidades

• Desenhar, desenvolver e operar soluções de Inteligência Artificial.
• Implementar e otimizar modelos de Machine Learning e LLMs.
• Gerir integração de sistemas legados com APIs REST.

Conhecimentos

Domínio de Python ou JAVA

Experiência com containers

Experiência com Kubernetes / OpenShift

Experiência em Machine Learning clássico

Experiência em LLMs / GenAI em produção

Integração de serviços de IA

Capacidade de documentação clara

Experiência com Git, CI / CD

Ferramentas

Kafka

Elasticsearch / OpenSearch

Dashboards / relatórios

Descrição da oferta de emprego

Oportunidade : Machine Learning Engineer / Consultor de IA Contrato PJ

Remuneração em torno de R$25.000 ~R$29.000

Híbrido : Taboão da Serra-SP

Profissional sênior responsável por desenhar, desenvolver e operar soluções de Inteligência Artificial ponta a ponta — desde pipelines de dados até deploy de modelos de Machine Learning e LLMs em ambiente container-orientado (Kubernetes / OpenShift). Atuação forte em Python, MLOps, GenAI / RAG e entendimento de domínio de negócio.

Conhecimentos necessários Linguagem e backend

• Domínio de Python ou JAVA para construção de APIs, serviços e jobs batch (ex. : FastAPI / Flask, scripts de automação, ETLs).
• Boas práticas de código (logs, testes, organização de pacotes, virtualenv / poetry / pip, etc.).
• Infraestrutura, containers e orquestração
• Experiência com containers : build, otimização de imagens, multi-stage builds.
• Experiência com Kubernetes / OpenShift (desejável experiência real em produção) : Deploy e operação de aplicações (Deployments, CronJobs, ConfigMaps, Secrets, Ingress / Routes).
• Noções de observabilidade, logs, métricas e troubleshooting em cluster.

MLOps / Data & AI

• Experiência em Machine Learning clássico (treino, avaliação, versionamento de modelos e features).
• Experiência em LLMs / GenAI em produção (vLLM, KServe, OpenShift AI ou similar).
• Conhecimento em pipelines de dados e integração com fontes diversas.
• Experiência com Kafka ou outros sistemas de mensageria / streaming para ingestão de eventos em larga escala.
• Experiência com Elasticsearch / OpenSearch ou outro mecanismo de busca para indexação, consulta e análise de dados.

Arquitetura e integração

• Capacidade de desenhar arquiteturas de referência para soluções de IA (batch, near real time, APIs síncronas).
• Integração de serviços de IA com sistemas legados, APIs REST e bancos de dados.
• Experiência com Git, CI / CD e boas práticas de versionamento e automação de deploy.

Domínio de negócio

• Capacidade de traduzir requisitos de negócio em soluções técnicas de IA com foco em valor e governança.

Perfil comportamental

• Atuação sênior / hands‑on, com autonomia para propor arquitetura, implementar, testar e colocar em produção.
• Boa comunicação com times de negócio, produto, desenvolvimento e operações.
• Capacidade de documentação clara (README, FAQs, dicionário de dados, fluxos de arquitetura, etc.).
• Conhecimentos desejáveis GenAI e LLMs avançado

Experiência com RAG, vector stores e embeddings.

• Conhecimento em orquestração de LLMs (agentes, ferramentas, chain‑of‑thought supervisionado, etc.).
• Experiência com modelos como Llama, Falcon, ou outros LLMs self‑hosted.

Ferramentas e ecossistema

• Experiência com OpenShift AI / KServe / vLLM em ambiente corporativo.
• Noções de monitoramento de custo e performance de modelos (tokens, latência, throughput).

Data Engineering / Analytics

• Conhecimento de modelagem de dados, ETL / ELT e boas práticas de qualidade de dados.
• Experiência em criação de dashboards / relatórios para acompanhar uso de IA, métricas de negócio e indicadores de risco.

Segurança e governança

• Noções de segurança de dados, LGPD, anonimização e controle de acesso em projetos de governo / setor público.
• Boas práticas degovernança de modelos(auditoria, rastreabilidade, logging de consultas, explainability básica).