ML Engineer GCP Pleno (Remoto)

SAUTER; Recife; Presencial; BRL 167 400 - 223 200; Tempo integral

Resumo da oferta

A SAUTER está em busca de uma Engenheira de Machine Learning para transformar protótipos em sistemas de produção robustos na Google Cloud Platform. A função envolve desde o desenvolvimento de pipelines de ML até a otimização de processos de MLOps.

O candidato ideal deve ter pelo menos 3 anos de experiência em Engenharia de ML, domínio em Python e conhecimento em GCP. A empresa oferece um ambiente dinâmico e focado em resultados.

Qualificações

• Mínimo de 3 anos atuando com Engenharia de ML ou Engenharia de Dados.
• Experiência prática com Vertex AI e suas funcionalidades.
• Proficiência em Python e bibliotecas de análise de dados como Pandas e NumPy.
• Conhecimento avançado em SQL e manipulação de grandes volumes de dados.
• Experiência com Docker e ferramentas de CI/CD.
• Experiência com Kubeflow Pipelines ou Apache Airflow.

Responsabilidades

• Desenvolver e implementar pipelines de ML utilizando o Vertex AI.
• Otimizar o ciclo de vida de ML com automação e CI/CD.
• Colaborar com Cientistas de Dados para produção de código modular.
• Gerenciar infraestrutura de dados com BigQuery e Dataflow.
• Monitorar desempenho de modelos em produção e implementar retreinamento.

Conhecimentos

Engenharia de Machine Learning

Python

GCP

SQL

MLOps

Docker

Ferramentas

Vertex AI

BigQuery

Dataflow

TensorFlow

PyTorch

Descrição da oferta de emprego

Sobre a Vaga

Estamos em busca de uma pessoa Engenheira de Machine Learning com perfil proativo e foco em resultados para escalar nossas soluções de IA. Seu papel será transformar protótipos de Ciência de Dados em sistemas de produção robustos, utilizando o que há de mais moderno na Google Cloud Platform. Você não será apenas quem "treina modelos", mas quem constrói a ponte entre a experimentação e o valor de negócio real, garantindo que nossos modelos sejam escaláveis, monitoráveis e eficientes.

O Que Você Fará No Dia a Dia

• Desenvolver e implementar pipelines de ML fim-a-fim utilizando o Vertex AI.
• Otimizar o ciclo de vida de ML (MLOps), garantindo automação desde a ingestão de dados até o deploy (CI/CD para ML).
• Colaborar com Cientistas de Dados para transformar modelos experimentais (Notebooks) em código de produção modular e escalável.
• Gerenciar infraestrutura de dados em conjunto com o time de engenharia, utilizando BigQuery e Dataflow.
• Monitorar o desempenho de modelos em produção (drift de dados e performance) e implementar estratégias de retreinamento.

Requisitos Mínimos

• Experiência Sólida: Mínimo de 3 anos atuando com Engenharia de ML ou Engenharia de Dados com foco em modelos.
• Domínio de GCP: Experiência prática com Vertex AI (Training, Pipelines, Model Registry e Endpoints).
• Stack Técnica: Proficiência em Python e bibliotecas padrão (Scikit-learn, Pandas, NumPy).
• Engenharia de Dados: Conhecimento avançado em SQL e manipulação de grandes volumes de dados no BigQuery.
• MLOps & DevOps: Experiência com Docker e ferramentas de CI/CD (GitHub Actions, GitLab CI ou Cloud Build).
• Orquestração: Experiência com Kubeflow Pipelines ou Apache Airflow.

Diferenciais

• Certificação Cloud: Google Professional Machine Learning Engineer.
• Experiência com LLMs: Conhecimento em Generative AI App Builder ou ajuste de modelos via Model Garden (GCP).
• Infraestrutura como Código: Conhecimento em Terraform para gerenciar recursos na nuvem.
• Deep Learning: Experiência com TensorFlow ou PyTorch em ambientes de produção.