Machine Learning Engineer

Na

Topaz , vamos além da criação tecnológica:

transformamos a maneira como o mundo interage com o dinheiro.

Nosso segredo?

Topaz One, a primeira plataforma fullbanking global, projetada para impulsionar a evolução das instituições financeiras e levá-las a novas fronteiras.

Somos uma comunidade vibrante de

mais de 2000 Topazers , com uma grande paixão por tecnologia, inovação e pela criação de soluções disruptivas. Nossa diversidade de culturas e experiências enriquece nossa perspectiva e nos impulsiona a alcançar resultados extraordinários.

Se você busca um lugar onde seu talento tenha um impacto real, onde possa crescer profissionalmente e fazer parte de uma comunidade global que está fazendo história,

venha ser Topazer ! Junte-se ao nosso time e vamos construir o futuro das finanças.

/n

O que Buscamos para Somar ao nosso #TopazTeam:

Experiência Profissional:

Mínimo de 5 anos de experiência em desenvolvimento de software Mínimo de 3 anos de experiência com dados em atividades relacionadas a MLOps ou Data Science

Programação em Python:

Proficiência em Python para desenvolvimento de aplicações robustas Versionamento de código com Git Conhecimento sólido de estruturas de dados, algoritmos e padrões de projeto Manipulação de dados com NumPy e Pandas Testes unitários com pytest Testes de carga com Locust

Cloud e Infraestrutura:

Experiência prática com AWS (EC2, S3, Lambda, ECR, ECS/EKS) Containerização com Docker Orquestração com Kubernetes Infrastructure as Code com Terraform

DevOps e CI/CD:

Experiência com GitLab CI/CD para automação de pipelines Conhecimento de práticas de DevOps aplicadas a ML

Banco de Dados:

Experiência com bancos de dados NoSQL (MongoDB, DocumentDB, DynamoDB) Desenvolvimento de modelo ORM para bancos relacionais

Diferenciais

Certificações AWS (Solutions Architect, Machine Learning Specialty) Ferramentas MLOps: MLflow, Kubeflow, Metaflow Orquestração de pipelines de dados: Dagster (desejável) Conhecimento em Feature Stores e Model Registry Frameworks de ML: Scikit-Learn, TensorFlow FastAPI para exposição de modelos como serviço Experiência com frameworks de monitoramento de modelos Conhecimento em segurança e governança de dados DVC para versionamento de dados e modelos uv para gerenciamento de ambiente Python Contribuições open source

Perfil

Rigor técnico e atenção à confiabilidade de sistemas em produção Comunicação clara com times de Data Science e de negócio Orientação a resultados com foco em disponibilidade e escalabilidade Proatividade na identificação e resolução de problemas operacionais Colaboração com equipes multidisciplinares Interesse genuíno em domínios de fraude, risco e segurança financeira /n

Seu Papel como Protagonista da Transformação:

Estamos em busca de um Engenheiro de Machine Learning (MLOps) para integrar nossa equipe de dados, no combate à crimes cibernéticos e na prevenção de lavagem de dinheiro. Você será responsável por garantir que nossos modelos de aprendizado de máquina sejam implantados, monitorados e mantidos em produção com excelência operacional, escalabilidade e confiabilidade.

Desenvolvimento e Infraestrutura de ML

Desenvolver e manter pipelines automatizados de ML (CI/CD) para treinamento, validação e deploy de modelos Adequar pipelines de transformação de dados para inferência de modelos de aprendizado de máquina Garantir a escalabilidade e disponibilidade das aplicações de ML em ambientes produtivos

Implantação e Monitoramento em Produção

Trabalhar em conjunto com Cientistas de Dados para criar pipelines robustos e escaláveis Implementar sistemas de monitoramento contínuo do desempenho dos modelos em produção Identificar e mitigar degradações de performance, data drift e concept drift Estabelecer alertas e dashboards para acompanhamento de métricas críticas (Grafana ou similares)

Otimização e Manutenção Contínua

Implementar estratégias de retreinamento automático e versionamento de modelos Atualizar modelos com novos dados mantendo a rastreabilidade e governança Disponibilizar infraestrutura para técnicas de explicabilidade (XAI), garantindo transparência e conformidade regulatória Otimizar custos de infraestrutura e tempo de processamento

Pesquisa e Inovação

Explorar e avaliar novas tecnologias, frameworks e ferramentas de MLOps Contribuir para a definição de boas práticas, padrões técnicos e documentação da equipe Manter-se atualizado com tendências e inovações em Machine Learning Operations