ML Engineer GCP Pleno (Remoto)

Sobre a Vaga Estamos em busca de uma pessoa Engenheira de Machine Learning com perfil proativo e foco em resultados para escalar nossas soluções de IA. Seu papel será transformar protótipos de Ciência de Dados em sistemas de produção robustos, utilizando o que há de mais moderno na Google Cloud Platform. Você não será apenas quem "treina modelos", mas quem constrói a ponte entre a experimentação e o valor de negócio real, garantindo que nossos modelos sejam escaláveis, monitoráveis e eficientes. O que você fará no dia a dia: * Desenvolver e implementar pipelines de ML fim-a-fim utilizando o Vertex AI. * Otimizar o ciclo de vida de ML (MLOps), garantindo automação desde a ingestão de dados até o deploy (CI/CD para ML). * Colaborar com Cientistas de Dados para transformar modelos experimentais (Notebooks) em código de produção modular e escalável. * Gerenciar infraestrutura de dados em conjunto com o time de engenharia, utilizando BigQuery e Dataflow. * Monitorar o desempenho de modelos em produção (drift de dados e performance) e implementar estratégias de retreinamento. Requisitos mínimos: * Experiência Sólida: Mínimo de 3 anos atuando com Engenharia de ML ou Engenharia de Dados com foco em modelos. * Domínio de GCP: Experiência prática com Vertex AI (Training, Pipelines, Model Registry e Endpoints). * Stack Técnica: Proficiência em Python e bibliotecas padrão (Scikit-learn, Pandas, NumPy). * Engenharia de Dados: Conhecimento avançado em SQL e manipulação de grandes volumes de dados no BigQuery. * MLOps & DevOps: Experiência com Docker e ferramentas de CI/CD (GitHub Actions, GitLab CI ou Cloud Build). * Orquestração: Experiência com Kubeflow Pipelines ou Apache Airflow. Diferenciais: * Certificação Cloud: Google Professional Machine Learning Engineer. * Experiência com LLMs: Conhecimento em Generative AI App Builder ou ajuste de modelos via Model Garden (GCP). * Infraestrutura como Código: Conhecimento em Terraform para gerenciar recursos na nuvem. * Deep Learning: Experiência com TensorFlow ou PyTorch em ambientes de produção. Se identificou com essa oportunidade? Então inscreva-se e #VemPraSauter

REQUISITOS