Engenheiro de dados

Dock; Barueri; On-site; BRL 167,000 - 312,000; Full time

Benefits offered by this job

Auxílio alimentação

Plano de saúde e odontológico

Wellhub e TotalPass

Auxílio mensal para mobilidade

Previdência privada após 6 meses de工作

Job summary

A Dock está buscando profissional para integrar a equipe de Plataforma de Dados, trabalhando com pipelines que transformam o data lake em datasets confiáveis, versionados e com controle de vazamento temporal. Você garantirá a fundação de dados para treinamento, avaliação e serving de modelos, assegurando dados corretos no tempo certo.

O papel envolve extrair de forma reprodutível, construir históricos as-of, gerenciar dados sequenciais em escala e monitorar a qualidade, além de aplicar

Qualifications

• 5+ anos de sólida experiência em Engenharia de Dados ou de Machine Learning.

Responsibilities

• Implementar Extração Reprodutível: Construir pipelines a partir do Databricks (Unity Catalog, Delta), aplicando contratos de dados, particionamento e amostragem determinística.
• Construir Históricos Confiáveis: Desenvolver tabelas as-of / point-in-time e snapshots, tratando os dados que só guardam o último valor como risco direto para o treinamento de modelos.
• Trabalhar com Sequências em Escala: Tokenizar e empacotar dados de sequência (Parquet por faixa de tamanho, batching dinâmico) e estruturar dataloaders eficientes para processamento em GPU.
• Garantir a Qualidade e Monitoramento: Vigiar a saúde dos dados de sequência (esquemas, drift, nulos, duplicidade e identidade das entidades).
• Aplicar Privacidade na Prática: Estruturar pseudonimização, controle de acesso e trilhas de auditoria, alinhados rigorosamente à LGPD e aos requisitos de segurança de pagamentos.
• Construir Serving de Features: Estruturar a camada de inferência (serving) de features e embeddings com baixa latência, mantendo logs de chamadas para reconstruir exatamente o que o modelo avaliou em cada decisão.

Job description

Há mais de 20 anos, cumprimos a missão de democratizar o acesso a serviços financeiros, tornando experiências financeiras mais simples e acessíveis.

Somos um time de pessoas obstinadas, que acreditam na tecnologia e nos serviços como os principais facilitadores para a evolução de nossos clientes e a transformação do papel das finanças.

Atuando em 11 localidades pela América Latina, trabalhamos sob o propósito de desmaterializar o universo financeiro para impulsionar a sociedade.

Como é o nosso time de Plataforma de Dados?

Você fará parte de um time focado na construção de pipelines que transformam o nosso data lake em datasets de eventos confiáveis, versionados e sem vazamento temporal. Nossa missão é garantir a fundação de dados para o treinamento, avaliação e serving de modelos de fundação. Sem dado correto no tempo correto, nenhum modelo vale algo, e você será a pessoa responsável por garantir isso.

E o dia a dia, como será?

Buscamos por talentos inigualáveis para nos ajudar a espalhar o poder financeiro!

Nesta função, você irá:

• Implementar Extração Reprodutível: Construir pipelines a partir do Databricks (Unity Catalog, Delta), aplicando contratos de dados, particionamento e amostragem determinística.
• Construir Históricos Confiáveis: Desenvolver tabelas as-of / point-in-time e snapshots, tratando os dados que só guardam o último valor como risco direto para o treinamento de modelos.
• Trabalhar com Sequências em Escala: Tokenizar e empacotar dados de sequência (Parquet por faixa de tamanho, batching dinâmico) e estruturar dataloaders eficientes para processamento em GPU.
• Garantir a Qualidade e Monitoramento: Vigiar a saúde dos dados de sequência (esquemas, drift, nulos, duplicidade e identidade das entidades).
• Aplicar Privacidade na Prática: Estruturar pseudonimização, controle de acesso e trilhas de auditoria, alinhados rigorosamente à LGPD e aos requisitos de segurança de pagamentos.
• Construir Serving de Features: Estruturar a camada de inferência (serving) de features e embeddings com baixa latência, mantendo logs de chamadas para reconstruir exatamente o que o modelo avaliou em cada decisão.

O que esperamos de você?

• 5+ anos de sólida experiência em Engenharia de Dados ou de Machine Learning.
• Domínio de Spark/PySpark, Delta Lake e SQL avançado, com vivência prévia no ecossistema Databricks.
• Proficiência em Python para produção, incluindo testes e CI voltados a pipelines de dados.
• Experiência consolidada lidando com dados transacionais sensíveis e entendimento prático aprofundado sobre vazamento temporal data leakage e snapshots.
• Postura rigorosa e questionadora: versionar o dataset junto com o código, escrever contratos de dados antes do pipeline e, principalmente, perguntar primeiro se "esse dado existia na hora da decisão?".

É desejável que você tenha:

• Conhecimento em MLflow, Feature Store, Ray e fluxos de dados em streaming.
• Vivência prática com PyTorch DataLoader ou processos de leitura em streaming voltados para treinamento de modelos.
• Experiência nos domínios de pagamentos, transações Pix, cartões de crédito ou adquirência.
• Noções de infraestrutura como código (Terraform) e modelagem voltada a serving de baixa latência.

E quais são os benefícios?

• Auxílio alimentação (mercado & restaurante);
• Plano de saúde e odontológico;
• Wellhub e TotalPass;
• Auxílio mensal para despesas com mobilidade;
• Previdência privada após 6 meses de trabalho;