Engenheiro de Dados - IA e Pipelines de Alta Performance

DigAI; United States; Remote; USD 110,000 - 150,000; Full time

Job summary

Grupo Stefanini procura Engenheiro de Dados para sustentar, manter e evoluir pipelines de dados que suportam projetos de IA, atuando em ambientes de alta complexidade com governança de dados e LGPD.

Requisitos: Python, SQL, Airflow, Azure Data Factory, Spark, Databricks, MongoDB, com foco em qualidade de dados, desempenho e colaboração com equipes multidisciplinares.

Diferenciais: experiência em IA/ML, práticas de MLOps, observabilidade e Infraestrutura como Código (IaC).

Qualifications

• Experiência consolidada em Engenharia de Dados, com atuação em pipelines e sustentação.
• Domínio de Python e SQL para manipulação e transformação de dados.
• Conhecimento de ferramentas de orquestração (Airflow/Azure Data Factory) e processamento distribuído (Spark/Databricks).
• Conhecimento em bancos de dados relacionais e NoSQL (MongoDB).
• Governança de dados e LGPD aplicadas a ambientes de IA.

Responsibilities

• Garantir a estabilidade, manutenção e evolução de pipelines de dados para projetos de IA.
• Analisar, diagnosticar e corrigir falhas em pipelines de dados.
• Otimizar ingestão e transformação de dados para alta performance.
• Assegurar qualidade e integridade das informações utilizadas em modelos de IA.
• Atuar em ambientes com arquiteturas distribuídas e governança de dados.
• Garantir conformidade com LGPD.

Skills

Python

SQL

Airflow

Azure Data Factory

Spark

Databricks

MongoDB

Data governance

LGPD compliance

Team collaboration

Analytical thinking

Tools

Airflow

Azure Data Factory

Job description

Grupo Stefanini procura Engenheiro de Dados para sustentar, manter e evoluir pipelines de dados que suportam projetos de IA, atuando em ambientes de alta complexidade com governança de dados e LGPD.

Requisitos: Python, SQL, Airflow, Azure Data Factory, Spark, Databricks, MongoDB, com foco em qualidade de dados, desempenho e colaboração com equipes multidisciplinares.

Diferenciais: experiência em IA/ML, práticas de MLOps, observabilidade e Infraestrutura como Código (IaC).