Engenheiro(a) de Machine Learning (Pleno/Sênior) – Remoto

Kognit - Committed to Transforming; Campinas; Presencial; BRL 133 920 - 167 400; Tempo parcial

Vantagens oferecidas por esta oferta de emprego

Remuneração variável após 4 meses de contrato

Cartão Flexível com R$ 700,00 por mês

Folga remunerada após 1 ano

Parcerias com serviços de psicologia e educação

Resumo da oferta

A Kognit está em busca de um(a) Engenheiro(a) de Machine Learning (Pleno/Sênior) para atuar remotamente e integrar a equipe de Inteligência Artificial e Ciência de Dados. O candidato ideal deve ter experiência em Machine Learning, engenharia de dados e MLOps, além de habilidades em Python para produzir modelos preditivos escaláveis.

As responsabilidades incluem desenvolver modelos para decisões operacionais, construir pipelines de MLOps e monitorar a performance dos modelos. Oferecemos um ambiente de trabalho inovador e remoto, com benefícios atrativos.

Qualificações

• Experiência em Machine Learning e Engenharia de Dados.
• Inglês ou Espanhol para clientes internacionais.
• Capacidade de construir e operar modelos em produção.

Responsabilidades

• Desenvolver modelos de aprendizado de máquina para decisões operacionais.
• Construir pipelines de MLOps para treinamento e implantação.
• Implementar monitoramento de drift e retreino automatizado.

Conhecimentos

Machine Learning

Python

SQL

MLOps

Gradient Boosting

Avaliação de Modelos

Formação académica

Formação superior em Ciência de Dados, Ciência da Computação, Estatística, Engenharia, Matemática ou Economia

Ferramentas

Azure ML

AWS

MLflow

Docker

FastAPI

Descrição da oferta de emprego

• Feature Store offline/online (Redis para features de tempo real).

Engenheiro de Machine Learning (Pleno/Sênior) - Remoto

Estamos em busca de um(a) Engenheiro de Machine Learning (Pleno/Sênior) - Remoto para integrar nosso time de Inteligência Artificial e Ciência de Dados na Kognit. Buscamos profissionais apaixonados por inovação e tecnologia, com experiência em Machine Learning, engenharia de dados e MLOps, capazes de desenvolver, implantar e escalar modelos preditivos que gerem valor real para nossos clientes e negócios. Se você gosta de transformar dados em soluções inteligentes, escaláveis e de alto desempenho, queremos conhecer você.

Principais Responsabilidades

• Desenvolver modelos tabulares de ML para decisões operacionais: classificação de risco (XGBoost), precificação dinâmica (gradient boosting) e otimização combinatória de atribuições (Google OR-Tools).
• Operar modelos em shadow mode com validação humana (HITL) antes de qualquer automação.
• Construir o pipeline de MLOps: treino no Azure ML, registro no MLflow, deploy de inferência (FastAPI/Docker) na AWS, com promoção por ambiente e rollback.
• Definir métricas e backtesting com point-in-time correctness sobre a Feature Store.
• Implementar monitoramento de drift, retreino automatizado e canary/A-B deployment via CI/CD.
• Servir modelos por APIs de inferência de baixa latência (features online em Redis), com contratos OpenAPI.

Requisitos

• Formação superior em Ciência de Dados, Ciência da Computação, Estatística, Engenharia, Matemática, Economia ou áreas correlatas.
• Inglês ou espanhol (cliente internacional).
• Python sólido para ML em produção (não só notebooks).
• Modelos tabulares com gradient boosting (XGBoost ou similar) — classificação com classes desbalanceadas, calibração de probabilidade, regressão.
• Avaliação de modelos e backtesting: AUC/Recall/precision, MAPE/MAE/RMSE, validação temporal e point-in-time correctness.
• MLOps: versionamento e registro de modelos (MLflow ou equivalente), pipelines de treino/deploy em CI/CD, promoção por ambiente e rollback.
• Serving de modelos via API (FastAPI ou equivalente) em containers Docker.
• SQL para extração e preparação de dados.

Diferenciais

• Azure ML e Azure Pipelines; AWS (ECS/EC2, S3, RDS) — ambiente híbrido AWS×Azure.
• Feature Store offline/online (Redis para features de tempo real).
• Monitoramento de drift (Evidently AI ou similar) e canary/A-B deployment.
• Otimização combinatória (Google OR-Tools) e sistemas de ranking/recomendação (Matrix Factorization, Learning-to-Rank).
• ONNX Runtime / TorchScript para otimização de inferência.
• Experiência em contexto regulado: auditabilidade, lineage, retenção de logs de predição (LGPD).

Benefícios

• Prestador de serviços - PJ (Buscamos parceiros a longo prazo).
• Trabalho Remoto.
• Carga horária 8 horas por dia (168 mensal).
• Banco de horas com fechamento a cada quadrimestre (Pagamento das horas positivas).
• Remuneração variável após 4 meses de contrato.
• Cartão Flexível: oferecemos um valor de alimentação de R$ 700,00 por mês (no cartão Flash).
• Folga remunerada: 7 dias corridos a partir de 1 ano de contrato; 15 dias a partir de 2 anos; 21 dias entre 5 e 7 anos; e 30 dias a partir de 8 anos de contrato.
• Sexta presente (1 dia de folga do Mês do aniversário).
• Parceria com Wellhub.
• Parceria com Open English.
• Parceria com FIAP.
• Parceria com clínicas e serviços de psicologia.

Quer entender como levamos inovação a empresas globais? Visite nosso site e explore nossos cases e soluções digitais.

https://www.kognit.com.br/