Especialista em Machine Learning Engineering - MLOps | Data Science

Brazil·São Paulomid

Machine LearningData & AI

0 views0 saves0 applied

Apply Now

Quick Summary

Overview

Sobre nós A XP Inc. é uma das maiores instituições financeiras independente do Brasil, dona das marcas XP, Rico, Clear, XP Educação, InfoMoney, entre outras. Com mais de 4,

Technical Tools

Machine LearningData & AI

Bacharelado ou mestrado em áreas da Computação, Ciência de Dados ou áreas correlatas.
Experiência comprovada com MLOps e Engenharia de Machine Learning.
Experiência comprovada na construção de esteiras de MLOps, não apenas no consumo de ferramentas prontas.
Experiência sólida com Databricks (Spark, Delta Lake, MLflow, Unity Catalog, Feature Store).
Programação em Python e PySpark (SQL como complemento).
Experiência com pipelines de dados e ML, incluindo padronização e experimentação de modelos (Airflow, MLflow, etc.).
Experiência com feature stores.
Experiência com técnicas e ferramentas de explicabilidade de modelos (SHAP, LIME, etc.).
Experiência com modelagem estatística (inferência, testes de hipótese, regressão, séries temporais, modelagem probabilística).
Experiência com ferramentas de CI/CD (GitHub Actions, GitLab CI, etc.).
Experiência prática com Azure.
Conhecimento de Docker e Kubernetes (incluindo AKS).
Alinhamento à nossa cultura.
Residir em São Paulo e ter disponibilidade para regime híbrido (3 dias presenciais por semana).

IA Generativa e soluções agênticas (LLMs, RAG, fine-tuning, embeddings, prompt engineering, orquestração multiagente, tool calling, memória), como visão de futuro da área.
Azure AI Foundry para desenvolvimento, deploy, avaliação e governança de aplicações de GenAI e agentes.
Frameworks de observabilidade/avaliação de LLMs e agentes (LangSmith, Ragas, Arize).
Feature stores de mercado (Feast, Tecton) e boas práticas para evitar training-serving skew.
IaC / automação (Terraform, Bicep).
Padronização e experimentação de modelos com ferramentas adicionais (Kedro, DVC, Metaflow).
Streaming de dados (Kafka, Event Hubs).
GPUs em Kubernetes, quantização e otimização de inferência de LLMs (ex.: KAITO/AKS).
Governança de dados e segurança de modelos.

Ser o principal responsável pela esteira de MLOps, conduzindo sua construção, evolução e operação ponta a ponta.
Garantir a qualidade dos modelos em produção, atuando como guardião dos padrões de Machine Learning em produção (confiabilidade, testes, documentação e SLAs).
Projetar e manter pipelines de dados e ML, do treinamento ao deploy e ao monitoramento em produção, de forma modular, versionada e reprodutível.
Habilitar o time de Data Science na adaptação ao padrão da esteira, disseminando boas práticas de engenharia de ML.
Mentorar tecnicamente profissionais em formação, por meio de design reviews, pareamento em problemas complexos e elevação do nível técnico do time.
Operar a infraestrutura de ML em nuvem, otimizando desempenho, custo e confiabilidade da inferência e do serving de modelos.
Atuar como ponte entre as áreas técnicas (Engenharia, Engenharia de Dados, Governança, DevOps, Gestão de Acessos e Arquitetura), antecipando dependências, riscos e bloqueios que impactam Data Science.
Colaborar com Data Science, Engenharia de Dados, Produto e Negócio na priorização, no desenho e na entrega das soluções.

Triagem inicial: Análise do currículo para verificar a adequação às qualificações e requisitos da vaga.
Testes gerais: Avaliação do alinhamento cultural com o teste da Mindsight e teste de raciocínio lógico da Predictive Index.
Entrevista com a equipe de Recrutamento: Discussão sobre as expectativas em relação à vaga e aos objetivos profissionais.
Avaliação técnica: Entrevista focada nas habilidades específicas necessárias para a função.
Entrevista com a liderança: Uma conversa para discutir sua visão e como você pode contribuir para a equipe e a empresa.
Entrevista com colegas de trabalho: Interação com futuros pares para avaliar a sinergia e o trabalho em equipe.
Entrevista focada em cultura: Exploração dos valores e princípios da empresa para garantir um bom encaixe cultural.
Oferta: Apresentação da proposta de trabalho, incluindo detalhes sobre remuneração e benefícios.

Benefícios:  

Saúde e bem-estar:

Plano de saúde
Plano odontológico
Wellhub (Gympass)
Zenklub
Seguro de Vida
iFood Benefícios (VA e VR flexível)
Vale Transporte
New Value (clube de benefícios)
Licença parental: maternidade de 6 meses e paternidade de 20 dias.
Auxílio Creche

Vida Financeira

Fundos de Investimentos Exclusivos
Assessoria de Investimentos
Cartão XP Visa Infinite sem anuidade
Crédito (consignado, home equity, CCB Imobiliário, etc.)

Modelo de Trabalho Presencial Flexível

O nosso modelo de trabalho varia de acordo com a função, podendo ser totalmente presencial para frentes de negócio e mais flexível para outras equipes.

Seguimos um modelo com mais frequência presencial, mas sempre guiado por flexibilidade e autonomia com a responsabilidade da nossa cultura empreendedora.

Aqui na XP Inc., valorizamos as interações pessoais e acreditamos no uso do escritório como uma ferramenta para potencializar nossas relações no trabalho.

*Ao seguir com a inscrição, você declara que leu, compreendeu e concorda com a Política de Privacidade do Grupo XP Inc. e de seus fornecedores e parceiros que apoiam com a realização do processo seletivo. O Grupo XP Inc. poderá utilizar de soluções de inteligência artificial para apoiar a equipe de recrutamento no decorrer do processo, o que poderá envolver o tratamento de seus dados pessoais para tal finalidade, conforme princípios da Lei Geral de Proteção de Dados e da Política de Privacidade do Grupo XP Inc.