Engenheiro De Machine Learning

buscojobs Brasil; Bahia; Presencial; BRL 120.000 - 160.000; Tempo integral

Resumo da oferta

Uma empresa de recrutamento está procurando um profissional para desenvolver modelos de machine learning na área da saúde. O candidato ideal deve ter graduação relevante e experiência de 3 anos em ML. Os conhecimentos em MLOps e dados de saúde são diferenciais. A posição foca na aplicação de soluções éticas em IA e otimização de processos hospitalares.

Qualificações

• Experiência mínima de 3 anos com ML em produção.
• Conhecimento em MLOps e deploy de modelos.
• Experiência com dados de saúde é um diferencial.

Responsabilidades

• Desenvolver e implementar modelos de machine learning na área da saúde.
• Focar em aplicação de diagnóstico assistido e predição de riscos.
• Otimizar processos hospitalares utilizando dados médicos complexos.

Conhecimentos

TensorFlow

PyTorch

Scikit-learn

MLflow

Kubeflow

Azure ML

Python

R

SQL

Docker

Kubernetes

Formação académica

Graduação em Engenharia, Ciência da Computação, Estatística ou áreas afins

Ferramentas

Azure ML

Databricks ML

Descrição da oferta de emprego

Buscamos um(a) profissional altamente qualificado(a) para atuar no desenvolvimento e implementação de modelos de machine learning voltados à área da saúde. A posição envolve aplicações como diagnóstico assistido, predição de riscos e otimização de processos hospitalares, com foco em geração de valor por meio de dados médicos complexos e soluções éticas em IA.

Requisitos

• Graduação em Engenharia, Ciência da Computação, Estatística ou áreas afins
• Experiência mínima de 3 anos com ML em produção
• Conhecimento em MLOps e deploy de modelos
• Experiência com dados de saúde (diferencial)

Hard Skills

• Frameworks ML: TensorFlow, PyTorch, Scikit-learn
• MLOps: MLflow, Kubeflow, Azure ML
• Linguagens: Python, R, SQL
• Cloud: Azure ML, Databricks ML
• DevOps: Docker, Kubernetes, CI/CD
• Monitoramento: Model drift, performance monitoring

Soft Skills

• Pensamento científico
• Resolução de problemas complexos
• Colaboração interdisciplinar
• Comunicação de resultados técnicos
• Aprendizado contínuo
• Ética em IA para saúde