Olá, somos a Cruzeiro do Sul Educacional! ⭐
Nós acreditamos no poder de transformação de vidas por meio da educação de qualidade e excelência! Aqui, nós buscamos conectar diferentes pessoas para que possam construir um mundo melhor a partir da educação, com muito trabalho, respeito e dedicação, proporcionando a melhor experiência e apoiando a jornada do conhecimento de mais de 500 mil alunos.
A Cruzeiro do Sul Educacional S/A é um dos maiores e mais representativos grupos de educação do país, tendo instituições de ensino academicamente relevantes e marcas reconhecidas em suas respectivas regiões, das suas escolas de ensino básico às instituições de ensino superior.
Docentes e colaboradores de diversas áreas trabalham em sintonia para garantir essa construção diária. E estamos sempre em busca de novas pessoas para colaborar com esse objetivo, sejam profissionais que procuram por uma primeira oportunidade no mercado de trabalho, até os mais experientes.
Você se identifica e acredita nesse propósito e quer trabalhar em uma de nossas marcas? Venha fazer parte do nosso time! Estamos de braços abertos para recebê-lo(a).
Para se candidatar a uma de nossas vagas, é importante manter todos os seus dados atualizados e completos. Fique à vontade para se cadastrar em todas as vagas disponíveis do seu interesse, apenas recomendamos que você finalize um processo antes de iniciar um novo.
Sobre a vaga
Buscamos uma pessoa Tech Lead de Machine Learning para liderar a construção de modelos preditivos e de recomendação que apoiem decisões acadêmicas e de negócio, como permanência de alunos, personalização de trilhas, collection score, lead score e eficiência operacional.
Responsabilidades
Liderar tecnicamente o time de ciência de dados e ML, definindo padrões, arquitetura e boas práticas.
Traduzir problemas de negócio em soluções de ML com métricas claras de impacto.
Conduzir todo o ciclo de vida dos modelos: exploração, experimentação, treinamento, deploy, monitoramento e retreino.
Estruturar e evoluir a plataforma de MLOps (pipelines, feature store, versionamento de dados e modelos, CI/CD).
Definir e disseminar práticas de desenvolvimento assistido por IA no time, como Spec-Driven Development (SDD), revisão de código gerado por IA e critérios de aceite antes do merge.
Configurar e governar o uso de servidores MCP integrados a repositórios (Azure DevOps), pipelines de ML e ferramentas de observabilidade, para apoiar investigação de falhas, análise de drift e manutenção de modelos.
Garantir qualidade, explicabilidade, ausência de vieses e conformidade com a LGPD, com as diretrizes do CNE e com o Referencial do MEC para uso de IA na educação.
Realizar revisões técnicas, mentoria e desenvolvimento das pessoas do time.
Apoiar o planejamento e a priorização do roadmap junto a produto e negócio.
Comunicar resultados e limitações dos modelos a públicos técnicos e não técnicos.
Requisitos obrigatórios
Mais de 4 anos de experiência em ML, com modelos em produção e impacto mensurável.
Experiência prévia liderando times ou projetos técnicos.
Domínio de Python e SQL, e de bibliotecas atuais como PyTorch e scikit-learn.
Sólida base de estatística, validação de modelos, métricas e testes A/B.
Experiência com MLOps: MLflow ou similar, orquestração (Airflow ou equivalente), monitoramento e detecção de drift.
Experiência com nuvem (Azure, AWS ou GCP) e contêineres.
Boa comunicação e visão de negócio.
Diferenciais
Experiência em educação, EdTech ou dados acadêmicos.
Sistemas de recomendação, séries temporais ou NLP.
Conhecimento de processamento distribuído (Spark) e de bancos de dados analíticos.
Pós-graduação em área correlata.
Escolaridade: Superior Completo
Leads the design and delivery of advanced machine learning models and strategic AI initiatives, mentoring data science colleagues and translating business challenges into scalable, data-driven solutions.
Apply and validate machine learning models in active drug discovery programs, translating model performance and uncertainty into actionable insights for experimental teams and guiding improvements with ML and engineering collaborators.
Drive machine learning and AI for identity and risk by building, deploying, and monitoring risk models and scalable modeling tools that help protect users, improve products, and inform risk decisions.
Develop and deploy multimodal machine learning methods that derive precise phenotypes from complex human data, characterize patient state, predict clinical outcomes, and support biomarker and therapeutic target discovery.
Build and operate production machine-learning systems for customer lifetime value prediction, owning model calibration, feature pipelines, performance monitoring, and delivery of model signals to downstream systems.
