Engenheiro De Python E Machine Learning

NOUS LATAM; Taboão da Serra; Presencial; BRL 120.000 - 160.000; Tempo integral

Resumo da oferta

Uma empresa de tecnologia em IA busca um profissional sênior para desenhar, desenvolver e operar soluções de Inteligência Artificial. O candidato ideal terá experiência em Python, MLOps e conhecimento em ambientes containerizados como Kubernetes e OpenShift. Além disso, é necessário ter habilidades em Machine Learning e capacidade de traduzir requisitos de negócio em soluções de IA. O trabalho envolve colaboração contínua com equipes de negócios e desenvolvimento.

Qualificações

• Experiência sólida em Python ou JAVA para construção de APIs.
• Capacidade de operar com Kubernetes e OpenShift em ambiente de produção.
• Conhecimento em Machine Learning e integração com sistemas legados.

Responsabilidades

• Desenhar soluções de IA ponta a ponta e supervisionar pipelines de dados.
• Implementar e operacionalizar modelos de Machine Learning e LLMs.
• Traduzir requisitos de negócio em soluções técnicas de IA.

Conhecimentos

Python

MLOps

Kubernetes

Machine Learning

OpenShift

Kafka

Elasticsearch

Ferramentas

FastAPI

Flask

Docker

Git

Descrição da oferta de emprego

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 de governança de modelos (auditoria, rastreabilidade, logging de consultas, explainability básica).