Description:
Published: 15/12/2025
Junte-se à Digiage e ajude a escalar a inteligência artificial com excelência operacional.
Estamos em busca de um(a) Engenheiro(a) de Machine Learning / MLOps para atuar em um projeto estratégico junto a um cliente do segmento de gás. Será responsável por construir, implementar e manter pipelines de machine learning, garantindo que os modelos de IA sejam treinados, validados e implantados em produção com confiabilidade, escalabilidade e rastreabilidade.
Responsabilidades:
- Projetar, desenvolver e manter pipelines de MLOps para automação do ciclo de vida de modelos de machine learning
- Implementar processos de versionamento, validação, teste e deployment de modelos em ambiente produtivo
- Garantir escalabilidade, desempenho e disponibilidade das soluções de IA, aplicando práticas modernas de engenharia de software
- Monitorar modelos em produção, identificando desvios de performance (drift), falhas e oportunidades de retreino
- Colaborar com cientistas de dados, engenheiros de dados e equipes de infraestrutura para integrar as soluções de forma segura e eficiente
- Utilizar ferramentas como MLflow, Airflow, Kubernetes, Docker, Terraform e plataformas em nuvem.
Requirements
- Experiência em engenharia de machine learning ou MLOps, com atuação em ambientes de produção.
- Sólidos conhecimentos em Apache Spark e Databricks.
- Proficiência em Python e bibliotecas como scikit-learn, pandas, NumPy, Apache Sedona.
- Vivência com ferramentas de orquestração e automação de workflows, como Databricks Jobs, Airflow, Kubeflow ou Prefect.
- Conhecimento em práticas de CI/CD aplicadas a modelos de machine learning.
- Familiaridade com ferramentas de versionamento de modelos e experimentos (ex: MLflow).
- Conhecimento em ambientes Cloud (Azure, AWS e GCP).
Differentials
- Experiência com monitoramento de modelos em produção e detecção de drift.
- Conhecimento em infraestrutura como código (IaC) usando Terraform ou CloudFormation.
- Certificações em MLOps, machine learning ou plataformas de nuvem.
- Vivência com frameworks de deep learning (ex: TensorFlow, PyTorch).
- Participação em projetos com foco em IA generativa ou arquiteturas orientadas a dados (DataOps, ModelOps).
APIs e tecnologia de dados para acelerar a competitividade
Description:
Published: 15/12/2025
Junte-se à Digiage e ajude a escalar a inteligência artificial com excelência operacional.
Estamos em busca de um(a) Engenheiro(a) de Machine Learning / MLOps para atuar em um projeto estratégico junto a um cliente do segmento de gás. Será responsável por construir, implementar e manter pipelines de machine learning, garantindo que os modelos de IA sejam treinados, validados e implantados em produção com confiabilidade, escalabilidade e rastreabilidade.
Responsabilidades:
- Projetar, desenvolver e manter pipelines de MLOps para automação do ciclo de vida de modelos de machine learning
- Implementar processos de versionamento, validação, teste e deployment de modelos em ambiente produtivo
- Garantir escalabilidade, desempenho e disponibilidade das soluções de IA, aplicando práticas modernas de engenharia de software
- Monitorar modelos em produção, identificando desvios de performance (drift), falhas e oportunidades de retreino
- Colaborar com cientistas de dados, engenheiros de dados e equipes de infraestrutura para integrar as soluções de forma segura e eficiente
- Utilizar ferramentas como MLflow, Airflow, Kubernetes, Docker, Terraform e plataformas em nuvem.
Requirements
- Experiência em engenharia de machine learning ou MLOps, com atuação em ambientes de produção.
- Sólidos conhecimentos em Apache Spark e Databricks.
- Proficiência em Python e bibliotecas como scikit-learn, pandas, NumPy, Apache Sedona.
- Vivência com ferramentas de orquestração e automação de workflows, como Databricks Jobs, Airflow, Kubeflow ou Prefect.
- Conhecimento em práticas de CI/CD aplicadas a modelos de machine learning.
- Familiaridade com ferramentas de versionamento de modelos e experimentos (ex: MLflow).
- Conhecimento em ambientes Cloud (Azure, AWS e GCP).
Differentials
- Experiência com monitoramento de modelos em produção e detecção de drift.
- Conhecimento em infraestrutura como código (IaC) usando Terraform ou CloudFormation.
- Certificações em MLOps, machine learning ou plataformas de nuvem.
- Vivência com frameworks de deep learning (ex: TensorFlow, PyTorch).
- Participação em projetos com foco em IA generativa ou arquiteturas orientadas a dados (DataOps, ModelOps).
APIs e tecnologia de dados para acelerar a competitividade