Estamos em busca de um(a) MLOps Engineer para atuar em projetos estratégicos em clientes de grande porte. Se você gosta de construir pipelines robustos, automatizar o ciclo de vida de modelos de Machine Learning e garantir ambientes escaláveis, seguros e altamente disponíveis, essa oportunidade é para você.
Nesta posição, você será responsável por estruturar e evoluir práticas de MLOps e DataOps, garantindo governança, automação, observabilidade e eficiência operacional em ambientes Azure, apoiando iniciativas de Analytics, Inteligência Artificial e transformação digital.
Informações Gerais
Modelo de Contratação: PJ
Modalidade de Trabalho: Remoto ou Híbrido (Campinas)
Responsabilidades:
- Automação de CI/CD: Desenvolver, implementar e sustentar pipelines para automação de testes, build e deploy de artefatos de Engenharia de Dados e Machine Learning.
- Ciclo de Vida de Modelos: Automatizar todo o processo de Machine Learning, incluindo treinamento, versionamento, validação, implantação e monitoramento de modelos em produção.
- DataOps e MLOps: Implementar esteiras automatizadas para produtos de dados utilizando as melhores práticas de governança, rastreabilidade e automação.
- Plataforma Azure: Desenvolver e manter pipelines utilizando Azure Databricks, Azure Data Factory e demais serviços do ecossistema Microsoft Azure.
- Observabilidade: Implementar monitoramento, métricas e alertas para garantir qualidade dos dados, performance dos pipelines e disponibilidade dos ambientes.
- Monitoramento de Modelos: Acompanhar indicadores como data drift, concept drift e métricas operacionais, assegurando a confiabilidade dos modelos em produção.
- Integração entre Times: Trabalhar em parceria com Engenheiros de Dados, Cientistas de Dados e equipes de desenvolvimento para disponibilizar soluções analíticas de forma segura e escalável.
- Governança e Segurança: Aplicar boas práticas de versionamento, segurança, rastreabilidade e governança de dados e modelos de Machine Learning.
- Otimização Contínua: Apoiar iniciativas voltadas à melhoria de performance, escalabilidade e otimização de custos dos ambientes em nuvem.
Requisitos:
- Experiência sólida com Azure Databricks e Apache Spark.
- Conhecimento avançado no ecossistema Microsoft Azure, incluindo:
- Azure Data Factory;
- Azure Data Lake Storage Gen2;
- Azure Synapse Analytics;
- Azure Key Vault.
- Experiência com Git e estratégias de versionamento.
- Vivência com Azure DevOps (Azure Repos e Azure Pipelines).
- Experiência na construção de pipelines CI/CD para projetos de dados.
- Conhecimento em monitoramento utilizando Azure Monitor, Log Analytics ou ferramentas equivalentes.
- Experiência com MLflow para rastreamento de experimentos e versionamento de modelos.
- Conhecimento em Azure Machine Learning para gerenciamento do ciclo de vida de modelos.
- Experiência na publicação de modelos para inferência em tempo real (Real-Time Endpoints) e processamento em lote (Batch Endpoints).
- Familiaridade com Docker para empacotamento de aplicações.
- Conhecimento em Azure Container Registry (ACR).
- Experiência com Azure Kubernetes Service (AKS) para disponibilização de soluções de Machine Learning.
Diferenciais:
Se você possuir os conhecimentos abaixo, ganhará destaque no processo:
- Experiência com Terraform ou Bicep para Infraestrutura como Código (IaC).
- Conhecimento em arquiteturas Lakehouse.
- Experiência com Delta Lake.
- Conhecimento em Unity Catalog.
- Vivência com ferramentas de observabilidade como Prometheus e Grafana.
- Experiência com IA Generativa, LLMOps ou aplicações baseadas em Large Language Models (LLMs).
- Certificações Microsoft Azure, como AZ-400, DP-203, DP-100 ou AI-102.