MLOps Engineer Sênior (ML em Tempo Real)

Se você tem paixão por inovação e busca trabalhar em um ambiente ágil, colaborativo e desafiador, esta pode ser a sua oportunidade!

Para compor nosso time de MLOps, buscamos uma pessoa para liderar a construção da nossa plataforma de ML em tempo real. Ela é a base para que modelos de machine learning, agentes de IA e aplicações tomem decisões em milissegundos, a partir de eventos que acabaram de acontecer em nossos produtos.

O desafio é desenhar e construir essa plataforma na AWS e entregá-la como serviço aos times de ciência de dados e de produto. Ela reúne feature store, registro de modelos, inferência em tempo real e monitoramento, para que esses times coloquem modelos em produção com autonomia.

Você vai fazer parte da estrutura de plataforma e trabalhar com os times de engenharia de software, de dados e de cloud, do desenho da arquitetura até a entrada em produção.

Se interessou pela oportunidade mas não reside em Joinville? Não tem problema, possibilitamos o trabalho remoto/home office.

Responsibilities

• Liderar o desenho da arquitetura da plataforma de ML em tempo real, avaliando alternativas e conduzindo as decisões técnicas com os times envolvidos;
• Entregar a plataforma como serviço, com padrões, interfaces e documentação que permitam aos times de ciência de dados e de produto definir, publicar e consumir features e modelos sem depender do time de plataforma;
• Construir e evoluir os componentes da plataforma: a feature store (online e offline, com metadados catalogados), o registro e versionamento de modelos, a inferência em tempo real e o monitoramento dos modelos em produção;
• Garantir que as features usadas no treinamento e na inferência sejam as mesmas, com a mesma lógica em batch e em streaming, definindo os requisitos com os times de engenharia que constroem os fluxos de eventos;
• Integrar a plataforma aos serviços de ML da AWS, com o Amazon SageMaker como base para o armazenamento de features, o registro de modelos e a inferência em tempo real;
• Estruturar a operação da plataforma e dos modelos em produção com os times de Cloud e de Plataforma de Dados, usando infraestrutura como código, padrões e runbooks;
• Garantir a latência, a disponibilidade e a escalabilidade da plataforma, com SLOs e observabilidade;
• Documentar decisões técnicas, padrões e procedimentos operacionais, facilitando o crescimento do time e a evolução da stack.

Requirements

• Modelos em Tempo Real (Real-Time): Experiência em produção com modelos de machine learning em tempo real, com inferência acionada a cada evento e requisitos de baixa latência.
• Arquitetura Self-Service: Vivência na entrega de plataforma como serviço, com padrões de arquitetura self-service, documentação e interfaces que deem autonomia aos times de ciência e produto.
• Feature Store e Consistência de Dados: Experiência na construção de Feature Store (online e offline, com metadados catalogados) e garantia de consistência entre treinamento e inferência.
• Registro e Monitoramento de Modelos: Prática na estruturação de registro e versionamento de modelos (Model Registry, ex.: MLflow) e monitoramento de modelos em produção.
• Ecossistema AWS: Experiência na construção de plataformas de dados e ML na AWS, preferencialmente com Amazon SageMaker (Endpoints, Feature Store, Model Registry, Pipelines) ou serviços equivalentes.
• Linguagens de Programação: Domínio avançado de Python e SQL para desenvolvimento de rotinas de dados e serviços de ML.
• Engenharia de Software e IaC: Domínio de Terraform (IaC), automação de deploys via CI/CD e observabilidade em produção.