Especialista em Machine Learning I (MLOps)

Descrição da vaga

Quando você pensa em carreira, o que vem à sua mente? Propósito? Colaboração? Ser protagonista para fazer a diferença? No PagBank temos tudo isso e muito mais. 💛

Estamos em busca de pessoas que vistam a camisa com orgulho. Gente com vontade de facilitar a vida financeira das pessoas e impulsionar negócios!

Tá a fim de uma carreira que rende mais? Confira essa oportunidade e #VemProPags!

Responsabilidades e atribuições

• Atuar no desenho, desenvolvimento e evolução de plataformas e componentes reutilizáveis para o ciclo de vida de modelos de Machine Learning.
• Construir e manter pipelines de MLOps para automação de etapas como treino, validação, empacotamento, versionamento, deploy, rollback, monitoramento e retreinamento de modelos.
• Apoiar a produção de modelos de Machine Learning em ambientes batch, near real-time e real-time, garantindo escalabilidade, resiliência, segurança e observabilidade.
• Desenvolver frameworks, aceleradores, templates e padrões técnicos que facilitem o desenvolvimento e a implantação de modelos por diferentes times.
• Atuar na integração entre modelos de ML, pipelines de dados, APIs, microsserviços, feature stores, serviços de inferência e plataformas cloud.
• Definir e implementar boas práticas de CI/CD para Machine Learning, incluindo testes automatizados, validação de dados, validação de modelos, quality gates e estratégias de promoção entre ambientes.
• Contribuir para a criação de padrões de observabilidade para modelos em produção, incluindo métricas técnicas e de negócio, drift de dados e de modelos, latência, disponibilidade, custo e performance.
• Atuar em parceria com times de Data Science, Dados, Engenharia, Arquitetura, Segurança e Governança para garantir aderência a padrões corporativos, regulatórios e operacionais.
• Participar de discussões técnicas e arquiteturais sobre o uso de Machine Learning em contextos críticos do negócio financeiro.

Requisitos e qualificações

• Formação superior completa em Ciência da Computação, Engenharia da Computação, Sistemas de Informação, Engenharia de Software, Matemática, Estatística ou áreas correlatas.
• Experiência sólida em Engenharia de Machine Learning, MLOps, Engenharia de Software, Engenharia de Dados ou áreas correlatas.
• Conhecimento prático do ciclo de vida de modelos de Machine Learning em produção: desenvolvimento, treino, versionamento, deploy, monitoramento, sustentação e melhoria contínua.
• Experiência com desenvolvimento em Python, Java e boas práticas de engenharia de software, incluindo testes, versionamento, code review, modularização e documentação técnica.
• Conhecimento em construção e orquestração de pipelines de dados e/ou ML, utilizando ferramentas como Airflow, Step Functions, Kubeflow, MLflow, Jenkins, GitHub Actions ou equivalentes.
• Experiência com cloud computing, preferencialmente AWS, incluindo serviços relacionados a processamento, armazenamento, orquestração, APIs, segurança e observabilidade.
• Conhecimento em containers, APIs, microsserviços e arquitetura distribuída, como Docker, Kubernetes, serviços REST/gRPC ou equivalentes.
• Experiência com práticas de CI/CD aplicadas a modelos, serviços de inferência ou pipelines analíticos.
• Conhecimento em bancos de dados, SQL, ambientes analíticos e integração com plataformas de dados.
• Capacidade de traduzir necessidades de Data Science e negócio em soluções técnicas reutilizáveis, escaláveis e sustentáveis.
• Experiência com monitoramento, logs, métricas, rastreabilidade e troubleshooting de aplicações, pipelines ou modelos em produção.
• Experiência com plataformas de model registry, feature store, experiment tracking, model serving e model monitoring, utilizando ferramentas como MLflow, SageMaker, Databricks, Feast, Evidently, WhyLabs, BentoML, KServe ou similares.
• Conhecimento em arquitetura de plataformas internas para Machine Learning, com foco em self-service, padronização e reuso.
• Experiência com modelos em ambientes de alta escala, alta disponibilidade ou baixa latência.
• Conhecimento em governança de modelos, explicabilidade, documentação, auditoria, gestão de risco, qualidade de dados e compliance.

Informações adicionais

Para se destacar nesta posição seria legal se você também tivesse:

• Conhecimento em LLMOps, RAG, agentes de IA, gateways de LLMs, avaliação de respostas, controle de custos e observabilidade para IA generativa.
• Experiência com frameworks de IA generativa e integração com LLMs, como LangChain, LangGraph, Spring AI, Bedrock, OpenAI, Anthropic, Vertex AI ou equivalentes.
• Experiência em ambientes regulados, especialmente mercado financeiro, meios de pagamento, bancos digitais, fintechs, crédito, risco, fraude, adquirência ou CRM.
• Conhecimento em Kafka, arquiteturas orientadas a eventos e processamento distribuído.
• Experiência com práticas de segurança em cloud, IAM, secrets management, criptografia, segregação de ambientes e proteção de dados sensíveis.
• Familiaridade com LGPD, princípios de Responsible AI e governança de dados.