Informações

A FCamara está em busca de uma Pessoa Cientista de Dados Senior, para atuar em uma das maiores empresas da América Latina líder no mercado em exames diagnósticos clínicos.

• Experiência sólida em desenvolvimento e implantação de modelos de Machine Learning em plataformas cloud como GCP, Azure ou AWS.
• Domínio em práticas de CI/CD aplicadas ao ciclo de vida de ML, utilizando ferramentas como Jenkins, Azure DevOps Pipelines, CloudBuild, entre outras.
• Conhecimento prático no uso de Airflow para automação de pipelines em batch.
• Experiência com orquestração de modelos Online via APIs, utilizando Kubernetes (K8s) e serviços gerenciados como Cloud Run.
• Capacidade de construir pipelines completas de re-treinamento, deployment e monitoramento usando ferramentas como Kubeflow, Vertex AI Pipelines, etc.
• Experiência com deploy escalável de modelos containerizados em ambientes cloud, com definição de parâmetros de autoscaling e recursos.
• Familiaridade com estratégias de canary deployment, blue/green e shadow deployment para minimizar riscos em produção.
• Conhecimento avançado de ferramentas de monitoramento de modelos e infra, como Prometheus, Grafana, Rancher e dashboards personalizados.
• Capacidade de definir arquiteturas de ML na nuvem alinhadas com os requisitos do projeto, considerando custo, performance e escalabilidade.
• Vivência na implementação de pipelines de dados em streaming para ingestão, processamento e consumo em tempo real.
• Sólido entendimento dos princípios de MLOps, com domínio sobre versionamento, rastreabilidade, testes e gestão do ciclo de vida dos modelos.
• Desejável experiência na construção de ferramentas internas ou frameworks (como o FenixAI) para padronização e autonomia dos times sobre a infraestrutura de ML.

• Atuar como referência técnica em MLOps, promovendo boas práticas junto aos times de ciência de dados e engenharia.
• Colaborar de forma multidisciplinar com cientistas de dados, engenheiros, arquitetos e squads de produto para garantir a entrega de soluções robustas e escaláveis.
• Ter postura proativa na resolução de problemas, contribuindo para a melhoria contínua de processos, ferramentas e arquitetura de ML.
• Apoiar incidentes em ambientes de homologação e produção, liderando a identificação de causas, correções ágeis e sugestões de melhoria.
• Demonstrar autonomia e ownership na definição de estratégias de deployment, arquitetura e monitoramento de modelos.
• Ser capaz de traduzir necessidades técnicas e de negócio em soluções práticas e sustentáveis em produção.
• Promover compartilhamento de conhecimento, contribuindo com a evolução técnica do time e fomentando uma cultura de excelência operacional.
• Ter mentalidade de produto e visão sistêmica sobre o ciclo de vida completo dos modelos de ML em produção.