Carreiras
Remoto
PJ
Flexível
O desafio
Como MLOps Pleno(a) na ACASO, você será responsável por criar, manter e otimizar pipelines de Machine Learning em produção, garantindo que os serviços estejam sempre disponíveis. Além disso, você atuará diretamente com o time de Data Science, contribuindo para a automação e integração contínua de soluções de IA e ML. Seu papel será fundamental para garantir que as soluções de dados da ACASO sejam entregues de forma eficiente e segura, alinhadas às práticas de SRE.
Estamos buscando alguém com mentalidade orientada a soluções, habilidades em DevOps e paixão por entregar valor de negócio.
Como será seu dia?
Colaborar com stakeholders, times de Data Science e Engenharia para entender necessidades e criar serviços.
Desenhar e implementar pipelines de CI/CD para modelos de ML, integrando ferramentas de versionamento de dados.
Arquitetar e gerenciar infraestrutura de ML em nuvem (AWS), com foco em modelagem e inferência, assegurando disponibilidade e segurança dos serviços;
Contribuir para a implementação de ferramentas de observabilidade, focando na qualidade do ciclo de vida do modelo e o acompanhamento de métricas;
Documentar processos e decisões técnicas.
Know Skills
Experiência em MLOps: conhecimento de práticas de CI/CD, automação e versionamento para Machine Learning;
Familiaridade com containers (Docker) para empacotar aplicações e serviços;
Conhecimento sólido de Python (bibliotecas como Pandas, NumPy, Scikit-learn, entre outras);
Vivência com bancos de dados relacionais, e experiência em consultas SQL;
Experiência com ferramentas de versionamento de código (Git) e GitOps;
Práticas de SRE: monitoramento, logging e alertas para garantir SLAs de disponibilidade e desempenho;
Inglês B1-B2 para comunicação e leitura de documentação técnica.
Flex Skills
Curiosidade em explorar novas tecnologias e formas de análise;
Capacidade de resolver problemas complexos com criatividade.
Diferenciais
Experiência com ferramentas como MLflow, Airflow, Kubeflow ou Argo;
Conhecimento de práticas de segurança em pipelines de Machine Learning;
Noções de UX voltadas para interfaces de monitoramento e documentação de pipelines.