DesejávelConhecimentos em processamento distribuído (Ex.: Spark, Flink);Conhecimento em Large Languade Models (LLMs);Formação acadêmica em Engenharia, Matemática, Física ou Computação;Pós-graduação (Ex.: Mestrado, MBA, Especialização) é um diferencial;Sentimento de dono;Boa comunicação interpessoal. Conhecimento na ferramenta KEDRO.Experiência na implementação de soluções com dados para feature store serão diferenciais.Vivência com métodos ágeis de desenvolvimento: XP (principalmente com práticas de pair programming e TDD), Scrum e Kanban ou variações Lean.Conhecimento com soluções de observabilidade como New Relic, Pagmon e Splunk.Conhecimento em ferramentas de mensageria como Kafka. Principais atividadesProjetar, desenvolver, testar, manter e monitorar sistemas desde sua concepção até produção;Construir esteiras para treinamento, construção, implantação e monitoramento de produtos de Machine Learning;Auxiliar times de engenharia, fornecendo orientações, ferramentas e componentes;Dar suporte ao dia-a-dia dos times de Ciências de Dados;Co-criar uma cultura de Engenharia de Machine Learning.Construção de serviços, microsserviços e produtos que atendam às necessidades dos times de ciência de dados da organização, tanto do ponto de vista da engenharia mlops quanto de integração com uma plataforma de MLOps.Avaliar novas tecnologias e frameworks de mercado para melhoria contínua de produtos e processos, realizando provas de conceito.RequisitosConhecimentos em SQL;Conhecimentos em implementações de API RESTful;Conhecimentos em linguagem de programação Python;Conhecimentos em sistema de controles de versões (Ex.: Git);Conhecimentos em sistemas de mensageria (Ex.: Kafka, RabbitMQ);Conhecimentos em virtualização via contêineres (Ex.: Docker, Kubernetes);Conhecimentos em modelagem de dados em bancos relacionais e não-relacionais;Conhecimentos em infraestrutura como código (Ex.: Terraform);Conhecimentos em ferramentas e metodologias de MLOps (EX.: MLFlow, Kubeflow, Airflow, Amazon Sagemaker);Conhecimentos em integração e entrega contínua para versionamento e implantação de aplicações (Ex.: Jenkins, Github Actions);Experiência em ciclo de vida desenvolvimento modelos de Machine Learning (Ex.: CRISP-DM, MLDLC);Experiência em Cloud Computing (Ex.: AWS).