Carreiras
Remoto
PJ
160
Flexível
O desafio
Atuar diretamente na interface entre dados e os desafios que nossos clientes querem resolver, analisando e preparando os dados, e desenhando e entregando soluções orientadas ao problema — que podem ir de modelos e APIs para previsões a análises e dashboards, passando por chatbots e pela criação e sustentação de bases e pipelines que suportam essas entregas. Atuar com autonomia, resolutividade e abertura ao aprendizado em projetos de complexidade intermediária, conduzindo o trabalho de ponta a ponta (da definição e validação até a operação em produção), escolhendo e aprofundando as tecnologias mais adequadas a cada contexto, e colaborando com diferentes áreas para priorizar demandas e garantir impacto real.
Modalidade de contratação
Pessoa Jurídica, de caráter full time (aproximadamente 160 horas mensais).
Atribuições
Criar e evoluir pipelines de dados, garantindo que a ingestão, transformação e limpeza sejam eficientes;
Realizar análise exploratória e estruturar dados para uso em produtos e experimentos;
Contribuir com testes e experimentos em ciclos rápidos de POC (Prova de Conceito) e Labs;
Validar outputs gerados por modelos e scripts, definindo critérios de qualidade e acompanhando resultados;
Acompanhar e sustentar soluções em produção (monitoramento, investigação de falhas e melhorias contínuas), incluindo ajustes de infraestrutura quando necessário;
Documentar processos e organizar bases de dados.
Atuar em interface com clientes e stakeholders internos, ajudando a traduzir problemas, alinhar expectativas e dar visibilidade sobre entregas, riscos e próximos passos.
Know Skills
Ter base sólida de fundamentos e desenvolvimento com Python: escrever código limpo e testável, organizar projetos, lidar com I/O e performance quando necessário, e fazer gestão de ambientes (isolamento por projeto, dependências e versões de bibliotecas);
Ter experiência com bases de computação para o dia a dia: conforto com terminal/CLI, escrita de scripts simples para automações e tarefas recorrentes, e entendimento geral de sistemas operacionais e redes (o suficiente para diagnosticar problemas e operar soluções);
Dominar fundamentos de ML/DL, compreendendo como funcionam os principais conceitos (treino/validação, overfitting, métricas, vieses, generalização), e ter experiência prática implementando modelos com alguma biblioteca/ecossistema;
SQL em nível intermediário: consultas, joins, modelagem lógica e leitura crítica de qualidade/consistência de dados;
Infraestrutura como código: conhecimento de ferramenta(s) de IaC (ex.: Terraform ou CloudFormation) e noções de provisionamento/organização de recursos com segurança e reprodutibilidade;
Agentic AI engineering: experiência com construção de agentes conversacionais baseados em LLMs, incluindo uso de tools, fluxos orquestrados, controle de estado e frameworks como LangChain, LangGraph e/ou equivalentes;
Cloud (básico): familiaridade com ao menos um provedor (ex.: AWS ou Azure), entendendo serviços comuns e o ciclo de colocar algo para rodar/operar em produção;
Versionamento e colaboração: Git e rotina de trabalho com PRs/code review.
Flex Skills
Autogestão e autonomia: Conduzir entregas e assumir uma postura propositiva no cotidiano da atuação, organizando prioridades, estimando esforços, dando visibilidade de andamento/risco e mantendo constância de entrega, sempre alinhando expectativas com as partes envolvidas e interessadas;
Resolutividade: Resolver problemas aliando capacidade de priorização em um ambiente de mudança ágil, e com foco em soluções a longo prazo, assumindo responsabilidade pelos resultados;
Orientação a impacto: Priorizar o que gera valor para o cliente e para a acaso, definindo critérios de sucesso e métricas de acompanhamento;
Mentalidade de produção: Conforto em manter e evoluir soluções reais em produção, investigando falhas, monitorando comportamento e atuando em melhorias contínuas;
Comunicação: Capacidade de se comunicar de forma clara e empática com pares e líderes, facilitando o aprendizado e elevando o nível do time.
Proatividade e aprendizado contínuo: buscar caminhos, experimentar abordagens, acompanhar novas tecnologias e evoluir o próprio repertório técnico, contribuindo também para a evolução do repertório técnico da equipe.
Diferenciais
Experiência prática com IA/ML (projetos profissionais ou pessoais);
Interesse e familiaridade com LLMs (Large Language Models) e modelos generativos, incluindo avaliação de qualidade e trade-offs de implementação;
Vivência com produtos digitais e/ou contextos de negócio, contribuindo para repertório de tomada de decisão, priorização e interface com clientes;
Experiência com engenharia de dados, incluindo construção de ETLs, pipelines, popularização de bases e organização de dados para consumo em aplicações;
Familiaridade com AWS, incluindo uso de recursos de banco de dados, serviços em cloud e noções de redes para operação e gerenciamento de ambientes;
Experiência com projetos em ambientes de startup ou de crescimento acelerado, com ciclos curtos e mudanças frequentes;
Versatilidade e senso de execução: aprender rápido, se adaptar bem ao contexto de cada cliente e entregar com pragmatismo.