Especialista de Engenharia de IA – Sicredi – Home Office

Especialista de Engenharia de IA – Sicredi – Home Office

Responsabilidades e atribuições
Atuar como referência técnica do time, contribuindo para decisões de arquitetura e definição de padrões, práticas e diretrizes de MLOps.
Promover o desenvolvimento técnico da equipe por meio de orientação, mentoria e compartilhamento estruturado de conhecimento.
Atuar na comunicação e negociação com diferentes públicos e stakeholders, alinhando expectativas, influenciando decisões e conduzindo discussões estratégicas relacionadas à plataforma e ao ciclo de vida de modelos.
Evoluir e manter a stack de Machine Learning da plataforma de Dados e IA utilizada pelos times do Sicredi.
Desenvolver, padronizar e disponibilizar pipelines de MLOps para experimentação, tracking, implantação, monitoramento e governança de modelos.
Implementar e otimizar pipelines de CI/CD voltados ao ciclo de vida de ML, garantindo automação, rastreabilidade e boas práticas de engenharia.
Criar utilitários, frameworks internos, SDKs, templates e automações que ampliem a autonomia e produtividade dos cientistas de dados.
Garantir conformidade com práticas de segurança, governança, auditabilidade e confiabilidade ao longo de todo o ciclo de vida dos modelos.
Monitorar e evoluir soluções em produção, incluindo métricas de observabilidade, detecção de drift, integridade de pipelines e desempenho de modelos.
Documentar processos, boas práticas, padrões de uso e orientações da plataforma.

Requisitos e qualificações
Requisitos e Qualificações

Bacharelado em Ciência da Computação, Estatística, Matemática, Ciência de Dados, Economia ou áreas correlatas.
Experiência comprovada com ferramentas e plataformas de MLOps, como MLflow, Databricks, DataRobot e/ou Azure ML.
Proficiência em Python e boas práticas de engenharia de software (testes, versionamento, modularização, padrões de projeto).
Experiência em pipelines de CI/CD utilizando ferramentas como Azure DevOps, GitHub Actions ou GitLab, integrados ao ciclo de vida de ML.
Proficiência em Git e práticas de versionamento aplicadas a machine learning (model registry, controle de artefatos, versionamento de dados).
Conhecimento em Apache Spark para processamento distribuído e operacionalização de pipelines de dados.
Boa comunicação e capacidade de traduzir conceitos técnicos complexos para diferentes níveis de conhecimento dentro da organização;
Disponibilidade para ir presencial no Centro Administrativo em Porto Alegre/RS conforme necessário.

Diferenciais

Experiência com plataformas corporativas como Teradata, Denodo, SAS e/ou componentes avançados do ecossistema Databricks (Unity Catalog, Delta Live Tables, Model Serving, Feature Store)
Experiência em técnicas de storytelling com dados.
Conhecimento em visualização de dados utilizando ferramentas como Power BI ou Tableau.
Certificações relevantes, como:
Databricks (Machine Learning Engineer, Data Engineer, Architect)
Azure (DP‑203, DP‑100, AI Engineer, AZ‑900, Architect)
Certificações em MLOps / ML Engineering