Engenheiro de Dados e Machine Learning

Atuar como referência técnica na arquitetura de dados e inteligência artificial da UniScale, sendo responsável por projetar, desenvolver e evoluir a infraestrutura que sustenta as soluções baseadas em dados e IA da organização.

Será responsável por estruturar pipelines de dados, desenvolver modelos proprietários de Machine Learning, implementar práticas de MLOps, garantir a governança e a qualidade dos dados e disponibilizar serviços escaláveis que suportem produtos inteligentes. Também atuará como mentor técnico da equipe, promovendo a evolução das práticas de engenharia, inovação e desenvolvimento orientado por Inteligência Artificial.

• Projetar, implementar e evoluir arquiteturas de dados escaláveis e de alta disponibilidade.
• Modelar e administrar bancos de dados relacionais, não relacionais, vetoriais e de grafos.
• Desenvolver, manter e otimizar pipelines de ingestão, transformação e disponibilização de dados (ETL/ELT).
• Garantir a qualidade, integridade, segurança e governança dos dados utilizados pelas soluções da organização.
• Implementar estratégias de versionamento, rastreabilidade e controle de acesso aos dados.

• Desenvolver, treinar, validar e implantar modelos proprietários de Machine Learning.
• Avaliar desempenho, qualidade e acurácia dos modelos, promovendo sua evolução contínua.
• Construir APIs e serviços para disponibilização dos modelos desenvolvidos.
• Monitorar modelos em produção, identificando degradação de desempenho, necessidade de retreinamento e oportunidades de otimização.
• Apoiar a adoção de técnicas modernas de Inteligência Artificial e Machine Learning aplicadas ao negócio.

• Estruturar e evoluir pipelines de MLOps para treinamento, validação, publicação e monitoramento de modelos.
• Implementar processos de integração e entrega contínua (CI/CD) para soluções de IA.
• Desenvolver soluções baseadas em microsserviços e arquiteturas distribuídas.
• Administrar ambientes em nuvem e infraestrutura necessária para execução das aplicações de IA.
• Trabalhar com conteinerização utilizando Docker e orquestração por Kubernetes.
• Implementar soluções utilizando sistemas de mensageria e processamento assíncrono.

• Desenvolver integrações entre sistemas, serviços e plataformas de Inteligência Artificial.
• Orquestrar fluxos e automações utilizando ferramentas como N8N, Flowise ou tecnologias equivalentes.
• Utilizar ferramentas modernas de desenvolvimento assistido por Inteligência Artificial para acelerar o desenvolvimento e elevar a qualidade das entregas.
• Colaborar diretamente com o Engenheiro de Soluções em IA, fornecendo estruturas de dados e modelos que potencializem os produtos inteligentes da organização.

• Atuar como referência técnica em Engenharia de Dados e Machine Learning.
• Mentorar e desenvolver tecnicamente os profissionais da equipe.
• Apoiar decisões arquiteturais relacionadas às soluções de dados e IA.
• Propor melhorias contínuas em processos, tecnologias e padrões de desenvolvimento.
• Contribuir para a disseminação da cultura AI First e da adoção de boas práticas de engenharia.

• Ensino Superior completo em Ciência da Computação, Engenharia da Computação, Engenharia de Software, Sistemas de Informação, Ciência de Dados ou áreas correlatas.

• Experiência sólida em Engenharia de Dados.
• Domínio avançado de Python.
• Experiência em modelagem e administração de bancos de dados SQL e NoSQL.
• Conhecimento em bancos vetoriais e bancos de grafos.
• Experiência com frameworks de Machine Learning, como Scikit-learn, TensorFlow ou PyTorch.
• Experiência no desenvolvimento, treinamento, implantação e monitoramento de modelos de Machine Learning.
• Desenvolvimento de APIs REST para disponibilização de modelos e serviços.
• Conhecimento em práticas de MLOps, incluindo versionamento, CI/CD para IA e monitoramento de modelos.
• Experiência com ferramentas de orquestração de fluxos de IA, como N8N, Flowise ou similares.
• Vivência com ferramentas modernas de desenvolvimento assistido por Inteligência Artificial.
• Experiência em ambientes Cloud (AWS, Azure, GCP ou similares).
• Conhecimento em Docker e Kubernetes.
• Experiência com arquitetura baseada em microsserviços.
• Conhecimento em sistemas de mensageria, como Kafka, RabbitMQ, Redis Streams ou equivalentes.