Engenheiro(a) de Machine Learning Sênior (MLOps e Deploy de Modelos em Recursos Humanos)

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (MLOps e Deploy de Modelos em Recursos Humanos) . A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision. Nível: senior. Modelo de trabalho: 100% Remoto. Contratação: tempo integral, CLT ou PJ. Sobre a vaga: A área de recursos humanos mantém modelos para estimar risco de saída de colaboradores, priorizar candidatos por aderência à vaga e prever a demanda de contratação por unidade. Cada modelo foi treinado por uma pessoa diferente, em notebooks, e colocar uma nova versão no ar significa copiar arquivo, rodar script na mão e torcer. Você vai construir o caminho padronizado de treino, validação, registro e implantação desses modelos. O cuidado maior é com a reprodutibilidade e com a segurança da troca. Um modelo precisa poder ser retreinado com o mesmo código e os mesmos dados de uma data, registrado no MLflow com métricas e lineage, e promovido para produção apenas se passar em testes de regressão contra a versão atual. Quando algo piora, a volta para a versão anterior deve levar minutos. Como as previsões afetam pessoas, cada versão precisa ter registro de quais dados usou e quem aprovou. Como engenheiro sênior, você define o padrão, escreve o primeiro caso completo que os outros vão copiar e responde quando uma implantação dá errado. Os resultados são medidos por tempo de implantação, taxa de falha de implantação e tempo de recuperação. O que você vai fazer: Construir pipelines de treino e de avaliação orquestrados no Airflow com dados versionados Registrar experimentos, modelos e métricas no MLflow, com critérios de promoção entre estágios Empacotar modelos em contêineres Docker e publicar como serviço e como processamento em lote Automatizar testes de dados, de código e de regressão de desempenho antes da implantação Implementar estratégias de liberação gradual e de reversão rápida de versões Registrar proveniência de dados e aprovações para auditoria interna e para a LGPD Definir o padrão de projeto de ML da equipe e orientar quem vai adotá-lo Requisitos: Python de produção e modelagem tabular com scikit-learn e XGBoost MLOps na prática: versionamento, registro de modelos, implantação e monitoramento Airflow ou orquestrador equivalente para fluxos agendados Docker e noções de infraestrutura como código SQL e disciplina com qualidade de dados Capacidade de definir padrão e convencer o time a segui-lo Diferenciais: Ter feito implantação gradual de modelo com comparação em sombra Experiência com loja de atributos ou com cálculo consistente de atributos entre treino e produção Conhecimento de equidade e de auditoria de modelos que afetam pessoas Prática com integração contínua para projetos de dados Como é trabalhar aqui: Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Toda implantação de modelo passa por revisão de outra pessoa e tem plano de reversão escrito. Os indicadores de implantação são discutidos com o time todo mês, e os incidentes têm análise sem busca de culpado. Na candidatura, informe a sua pretensão salarial. Benefícios oferecidos pela empresa contratante: Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe Trabalhe de qualquer lugar, com liberdade e flexibilidade Conexão global: convivência com times de diferentes países e culturas Apoio à saúde física com TotalPass e Mediquo Cuidado com a saúde mental pelo programa Team Care Contratação e jornada definidas com a empresa contratante Tecnologias envolvidas: Python scikit-learn XGBoost MLflow SQL Docker Airflow MLOps Git Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido. #J-18808-Ljbffr Sylision