Responsabilidades e Atribuições: Construir pipeline CI/CD para produtos de machine learning; Implantar modelos de machine learning em conjunto com os cientistas de dados; Implementar a monitoração funcional dos modelos de Data Science; Auxiliar times de engenharia, fornecendo orientações, ferramentas e componentes quando eles precisam integrar modelos de aprendizado de máquina em suas ferramentas, sistemas e fluxos de trabalho; Participar da entrega de modelos e produtos de dados e IA de alta qualidade que são bem documentados, modelados e de fácil entendimento; Co-criar uma cultura de engenharia de machine learning; Requisitos e Qualificações: Requisitos: Experiência em DevOps, com foco em automação de infraestrutura e pipelines de CI/CD.
(AWS CodePipeline, CodeBuild, CodeDeploy e Jenkins.)
Conhecimento avançado em ferramentas de containerização, como Docker e Kubernetes.
Proficiência em linguagens de script, como Python, Bash ou Shell.
Experiência com sistemas de monitoramento e logging, como Prometheus, Grafana e ELK Stack.
Conhecimento avançado em serviços da AWS (EC2, S3, RDS, Lambda, IAM, VPC, etc.).
Experiência com ferramentas de configuração e gerenciamento de infraestrutura como código (Terraform, AWS CloudFormation ou Ansible).
Entendimento dos princípios de segurança em DevOps e práticas de compliance.
Desejável: Experiência anterior com plataformas de MLOps, como Kubeflow, MLflow ou TFX.
Familiaridade com práticas de desenvolvimento ágil e metodologias Scrum ou Kanban.
Conhecimento em redes e protocolos de comunicação.
Experiência com bancos de dados SQL e NoSQL, preferencialmente na AWS (RDS, DynamoDB).
Certificações em DevOps ou AWS (AWS Certified DevOps Engineer, AWS Certified Solutions Architect).
Habilidade para solucionar problemas complexos e trabalhar em um ambiente colaborativo.
Principais Atividades: Desenvolver, sustentar e evoluir a infraestrutura DevOps da plataforma de MLOps na AWS.
Criar e manter pipelines de CI/CD utilizando AWS CodePipeline, CodeBuild, CodeDeploy e outras ferramentas relevantes.
Implementar e gerenciar soluções de monitoramento e logging na AWS, como CloudWatch, CloudTrail e AWS Elasticsearch Service.
Automação de tarefas de infraestrutura e manutenção utilizando ferramentas de infraestrutura como código, como AWS CloudFormation e Terraform.
Colaborar com cientistas de dados e engenheiros de machine learning para otimizar pipelines de dados e modelos na AWS.
Garantir a segurança e conformidade da infraestrutura e dos processos DevOps na AWS.
Identificar e resolver problemas em ambientes de produção na AWS de forma proativa.
Monitorar e otimizar o uso de recursos em ambientes AWS, garantindo escalabilidade e eficiência.