Especialista de Machine Learning I (MLOps)

PagBank; Brasil; Presencial; BRL 156 240 - 223 200; Tempo integral

Resumo da oferta

PagBank está procurando um engenheiro de Machine Learning experiente para atuar no desenho e desenvolvimento de plataformas reutilizáveis, construção de pipelines de MLOps e apoio à produção de modelos em ambientes batch e real-time. É necessário ter formação em Ciência da Computação ou áreas correlatas, além de experiência em ferramentas como Python, AWS e práticas de CI/CD. O candidato ideal também deve conhecer a integração de modelos em serviços cloud e práticas de segurança e compliance em ambientes regulados.

Qualificações

• Experiência sólida em Engenharia de Machine Learning e MLOps.
• Conhecimento prático do ciclo de vida de modelos de Machine Learning em produção.
• Experiência com ferramentas de cloud computing, preferencialmente AWS.

Responsabilidades

• Desenhar, desenvolver e evoluir plataformas para Machine Learning.
• Construir e manter pipelines de MLOps para automação.
• Atuar na integração entre modelos de ML e serviços de cloud.

Conhecimentos

Engenharia de Machine Learning

MLOps

Python

Java

Airflow

AWS

Docker

Kubernetes

Formação académica

Formação superior em Ciência da Computação ou áreas correlatas

Ferramentas

MLflow

Jenkins

GitHub Actions

Descrição da oferta de emprego

• Atuar no desenho, desenvolvimento e evolução de plataformas e componentes reutilizáveis para o ciclo de vida de modelos de Machine Learning.
• Construir e manter pipelines de MLOps para automação de etapas como treino, validação, empacotamento, versionamento, deploy, rollback, monitoramento e retreinamento de modelos.
• Apoiar a produção de modelos de Machine Learning em ambientes batch, near real-time e real-time, garantindo escalabilidade, resiliência, segurança e observabilidade.
• Desenvolver frameworks, aceleradores, templates e padrões técnicos que facilitem o desenvolvimento e a implantação de modelos por diferentes times.
• Atuar na integração entre modelos de ML, pipelines de dados, APIs, microsserviços, feature stores, serviços de inferência e plataformas cloud.
• Definir e implementar boas práticas de CI/CD para Machine Learning, incluindo testes automatizados, validação de dados, validação de modelos, quality gates e estratégias de promoção entre ambientes.
• Contribuir para a criação de padrões de observabilidade para modelos em produção, incluindo métricas técnicas e de negócio, drift de dados e de modelos, latência, disponibilidade, custo e performance.
• Atuar em parceria com times de Data Science, Dados, Engenharia, Arquitetura, Segurança e Governança para garantir aderência a padrões corporativos, regulatórios e operacionais.
• Participar de discussões técnicas e arquiteturais sobre o uso de Machine Learning em contextos críticos do negócio financeiro.

Requisitos e qualificações

• Formação superior completa em Ciência da Computação, Engenharia da Computação, Sistemas de Informação, Engenharia de Software, Matemática, Estatística ou áreas correlatas.
• Experiência sólida em Engenharia de Machine Learning, MLOps, Engenharia de Software, Engenharia de Dados ou áreas correlatas.
• Conhecimento prático do ciclo de vida de modelos de Machine Learning em produção: desenvolvimento, treino, versionamento, deploy, monitoramento, sustentação e melhoria contínua.
• Experiência com desenvolvimento em Python, Java e boas práticas de engenharia de software, incluindo testes, versionamento, code review, modularização e documentação técnica.
• Conhecimento em construção e orquestração de pipelines de dados e/ou ML, utilizando ferramentas como Airflow, Step Functions, Kubeflow, MLflow, Jenkins, GitHub Actions ou equivalentes.
• Experiência com cloud computing, preferencialmente AWS, incluindo serviços relacionados a processamento, armazenamento, orquestração, APIs, segurança e observabilidade.
• Conhecimento em containers, APIs, microsserviços e arquitetura distribuída, como Docker, Kubernetes, serviços REST/gRPC ou equivalentes.
• Experiência com práticas de CI/CD aplicadas a modelos, serviços de inferência ou pipelines analíticos.
• Conhecimento em bancos de dados, SQL, ambientes analíticos e integração com plataformas de dados.
• Capacidade de traduzir necessidades de Data Science e negócio em soluções técnicas reutilizáveis, escaláveis e sustentáveis.
• Experiência com monitoramento, logs, métricas, rastreabilidade e troubleshooting de aplicações, pipelines ou modelos em produção.
• Experiência com plataformas de model registry, feature store, experiment tracking, model serving e model monitoring, utilizando ferramentas como MLflow, SageMaker, Databricks, Feast, Evidently, WhyLabs, BentoML, KServe ou similares.
• Conhecimento em arquitetura de plataformas internas para Machine Learning, com foco em self-service, padronização e reuso.
• Experiência com modelos em ambientes de alta escala, alta disponibilidade ou baixa latência.
• Conhecimento em governança de modelos, explicabilidade, documentação, auditoria, gestão de risco, qualidade de dados e compliance.

Informações adicionais

Para se destacar nesta posição seria legal se você também tivesse:

• Conhecimento em LLMOps, RAG, agentes de IA, gateways de LLMs, avaliação de respostas, controle de custos e observabilidade para IA generativa.
• Experiência com frameworks de IA generativa e integração com LLMs, como LangChain, LangGraph, Spring AI, Bedrock, OpenAI, Anthropic, Vertex AI ou equivalentes.
• Experiência em ambientes regulados, especialmente mercado financeiro, meios de pagamento, bancos digitais, fintechs, crédito, risco, fraude, adquirência ou CRM.
• Conhecimento em Kafka, arquiteturas orientadas a eventos e processamento distribuído.
• Experiência com práticas de segurança em cloud, IAM, secrets management, criptografia, segregação de ambientes e proteção de dados sensíveis.
• Familiaridade com LGPD, princípios de Responsible AI e governança de dados.