Descrição da vaga
No Grupo Stefanini, acreditamos no poder da colaboração. Co-criamos soluções inovadoras em parceria com nossos clientes, combinando tecnologia de ponta, inteligência artificial e a criatividade humana. Estamos na vanguarda da resolução de problemas de negócios, proporcionando impacto real em escala global.
Ao se juntar à Stefanini, você se torna parte de uma jornada global de transformação. Estamos empenhados em criar impacto positivo não apenas nos negócios, mas também na vida de nossos colaboradores. Se você procura uma oportunidade de crescimento profissional em uma empresa que valoriza inovação, respeito, autonomia e parceria, você encontra aqui!
Junte-se a nós e seja parte da mudança!
#LI-MB1
#LI-REMOTE
Responsabilidades e atribuições
- Atuar em todas as etapas do ciclo de vida de ciência de dados: coleta, tratamento, modelagem, validação, deploy e monitoramento de modelos.
- Desenvolver e manter pipelines de Machine Learning (treinamento, inferência, versionamento e automação).
- Implementar pipelines de MLOps e LLMOps, incluindo CI/CD, controle de versionamento de dados, prompts e modelos e monitoramento de performance.
- Desenvolver soluções em Python, utilizando boas práticas de engenharia de software e reprodutibilidade.
- Construir e otimizar pipelines de dados integrando fontes diversas, garantindo qualidade e governança.
- Aplicar métodos estatísticos e técnicas de aprendizado supervisionado e não supervisionado para resolver problemas de negócio.
- Trabalhar em parceria com times de engenharia, produto e negócio, traduzindo desafios técnicos em resultados mensuráveis.
- Garantir que as soluções de dados e IA entreguem impacto, produtividade e valor real para o cliente.
- Colaborar na escolha e no fine-tuning de modelos de fundação para casos de uso específicos.
Requisitos e qualificações
- Formação superior em Ciência da Computação, Engenharia, Estatística, Matemática ou áreas correlatas.
- Experiência comprovada em projetos de ciência de dados aplicados a negócios.
- Domínio em Python e bibliotecas de ciência de dados (pandas, numpy, scikit-learn, etc.).
- Experiência prática com MLOps (implementação de pipelines de ML, CI/CD, versionamento de modelos, deploy e monitoramento em produção).
- Conhecimento sólido em SQL e manipulação de bases de dados relacionais e não relacionais.
- Vivência com modelagem estatística e métricas de desempenho de modelos.
- Familiaridade com ferramentas de visualização de dados (Looker Studio, Power BI, Tableau ou similares).
- Experiência com integração de APIs e automação de fluxos de dados e modelos.
- Conhecimento profundo em Prompt Engineering e padrões de design para aplicações baseadas em agentes.
Diferenciais:
- Experiência com Vertex AI Model Garden, experimentação com Gemini e tuning de modelos via Vertex AI.
- Certificações em Machine Learning, MLOps ou pipelines de ML em nuvem.
- Familiaridade com frameworks de orquestração e versionamento (Airflow, MLflow, Kubeflow, DVC, etc.).
- Conhecimento em integração com modelos de linguagem (LLMs), cache de prompts e otimização de custos de inferência de LLMs.
- Espanhol ou inglês fluente.
- Familiaridade com Red Teaming para LLMs e implementação de guardrails de segurança (Content Safety API).
- Experiência em deploy de modelos em containers utilizando Google Kubernetes Engine (GKE) ou Cloud Run.
- Conhecimento em técnicas de Quantização e Destilação de modelos para ganho de performance.
- Experiência com ferramentas de observabilidade de LLMs (ex: Arize Phoenix, LangSmith ou Weights & Biases).
Localidade: Brasil