Machine Learning Sênior

buscojobs Brasil; Ceará; Teletrabalho; BRL 120.000 - 160.000; Tempo integral

Resumo da oferta

Uma empresa de recrutamento está buscando um engenheiro de software para atuar em projetos de dados e machine learning. O profissional será responsável por projetar e implementar pipelines de validação em ambiente cloud (AWS) e colaborar com equipes de Data Science. É necessária proficiência em Python e experiência com ferramentas como PySpark e AWS. O trabalho é remoto.

Qualificações

• Experiência sólida com engenharia de software aplicada a dados e machine learning.
• Proficiência em Python e frameworks como PySpark, Pandas, Scikit-learn.
• Experiência com ferramentas e serviços AWS.

Responsabilidades

• Projetar e implementar pipelines de validação de dados.
• Integrar dados e métricas em um fluxo automatizado.
• Trabalhar em colaboração com times de Data Science e Engenharia de Dados.

Conhecimentos

Engenharia de software aplicada a dados e machine learning

Proficiência em Python

Experiência com AWS (S3, Lambda, etc.)

Orquestração de workflows

Capacidade de escrever código limpo, modular e testável

Ferramentas

PySpark

Pandas

Scikit-learn

Terraform

CloudFormation

Descrição da oferta de emprego

Requisitos

• Experiência sólida com engenharia de software aplicada a dados e machine learning.
• Proficiência em Python e frameworks como PySpark, Pandas, Scikit-learn ou similares.
• Experiência com ferramentas e serviços AWS, como S3, Lambda, Step Functions, Glue, Athena, SageMaker ou ECS. Conhecimento em MLOps e CI / CD para pipelines de dados e modelos.
• Experiência com orquestração de workflows.
• Capacidade de escrever código limpo, modular e testável.

Diferenciais

• Experiência com infraestrutura como código (Terraform, CloudFormation).
• Participação em projetos de ML em produção com foco em confiabilidade e rastreabilidade.

Responsabilidades principais

• Projetar e implementar pipelines de validação de dados e avaliação de modelos em ambiente cloud (AWS).
• Integrar dados e métricas de avaliação em um fluxo automatizado e auditável.
• Modularizar o pipeline para facilitar reuso, testes e manutenção.
• Trabalhar em colaboração com times de Data Science, Engenharia de Dados e Produto.
• Garantir boas práticas de versionamento, logging, monitoramento e testes automatizados.
• Propor melhorias contínuas na arquitetura de dados e nos processos de validação.

Modelo de atuação

Remoto