RESPONSABILIDADES E ATRIBUIÇÕES
Desenvolver, treinar, validar e implementar modelos de Machine Learning e Inteligência Artificial em ambiente de produção;
Atuar no ciclo completo de projetos de ciência de dados, desde a coleta, limpeza e preparação de dados até a modelagem, avaliação e deploy;
Utilizar ferramentas e frameworks como Python, TensorFlow, PyTorch, scikit-learn, pandas e numpy para desenvolvimento de soluções;
Implementar e monitorar pipelines de MLOps, garantindo a escalabilidade, reprodutibilidade e qualidade dos modelos;
Trabalhar com cloud computing (AWS, Azure ou GCP) para provisionamento e gestão de recursos de processamento e armazenamento;
Realizar consultas e análises em bancos de dados relacionais e NoSQL;
Aplicar fundamentos matemáticos e estatísticos (álgebra linear, cálculo, probabilidade e otimização) na construção de soluções robustas;
Garantir boas práticas de versionamento, documentação e monitoramento de modelos em produção;
Colaborar com equipes multidisciplinares para identificar oportunidades de aplicação de IA/ML e transformar demandas de negócio em soluções baseadas em dados;
Contribuir para a evolução técnica da equipe, compartilhando conhecimento e orientando boas práticas em ciência de dados.
REQUISITOS E QUALIFICAÇÕES
Graduação completa em Ciência da Computação, Engenharia, Matemática ou áreas correlatas;
Experiência comprovada em desenvolvimento de soluções de IA/ML e projetos de Machine Learning em produção;
Domínio avançado em Python e bibliotecas como scikit-learn, pandas e numpy;
Experiência sólida com frameworks de deep learning (TensorFlow e/ou PyTorch);
Vivência em ambientes de cloud computing (AWS, Azure ou GCP);
Conhecimentos em MLOps e práticas de deploy, monitoramento e manutenção de modelos em produção;
Experiência em SQL e bancos de dados relacionais e NoSQL;
Inglês para leitura técnica e comunicação em nível profissional;
Base matemática sólida: álgebra linear, cálculo, estatística, probabilidade e otimização.
DIFERENCIAIS
Mestrado ou Doutorado em áreas relacionadas;
Experiência com Kubernetes e Docker;
Conhecimento em NLP (Processamento de Linguagem Natural);
Certificações em Cloud (AWS, Azure ou GCP);
Publicações científicas ou contribuições em projetos open source.