Engenheiro de Machine Learning Pleno – Globo – Home Office

Engenheiro de Machine Learning Pleno – Globo – Home Office

Responsabilidades e atribuições
Como será seu dia a dia: 

Trabalhar em time multidisciplinar colaborando com cientistas de dados, engenheiros de machine learning, desenvolvedores, POs e engenheiros de dados para ajudar na formulação e avaliação de hipóteses que apoiem o desenvolvimento do produto;

Colaborar com na tomada de decisões orientada por dados, contribuindo para aprimorar o desempenho e a experiência do usuário;

Ajudar a construir, produtizar, avaliar e dar manutenção a modelos visando o aumento de engajamento, retenção e entendimento do comportamento dos usuários;

Explorar e propor o uso de ferramentas / frameworks que permitam o desenvolvimento de workflows baseados em modelos de IA;

Promover as melhores práticas para infraestrutura e codificação de projetos de dados;

Contribuir com o desenvolvimento de soluções escaláveis e práticas em inteligência artificial antevendo futuros impactos ao modelo de negócio;

Impactar positivamente a vida de milhões de pessoas que consomem diariamente os conteúdos da Home da Globo.com.
Requisitos e qualificações
Do que você precisa:

Proficiência em Python e SQL para análise e modelagem de dados;
Vivência com frameworks de Machine Learning (TensorFlow; Keras; Scikit Learn; PyTorch);
Conhecimento de melhores práticas de desenvolvimento de software e padrões de arquitetura;
Entendimento das boas práticas de produtização de projetos de dados;
Conhecer soluções baseadas em cloud (preferencialmente GCP);
Vivência com ferramentas de versionamento (Git) e com práticas de CI/CD;
Boa capacidade de colaborar e comunicar com seus pares;
Proatividade na aprendizagem e adoção de novas tecnologias;
Interesse em aprender e trabalhar com arquiteturas e abordagens envolvendo LLMs e IA generativa;
Ensino Superior completo ou em fase de conclusão (Tecnologia e áreas afins).

Conhecimentos que te destacam:

Vivência com arquiteturas de Deep Learning (Transformers; CNNs; RNNs; AutoEncoders; LLMs);
Experiência com Recomendação;
Vivência com pipelines envolvendo RAG (Retrieval-Augmented Generation);
Experiência com frameworks para desenvolvimento de LLM agents;
Vivência com bancos de dados vetoriais;
Experiência com APIs focadas em predição online;
Experiência com manipulação de grandes volumes de dados;
Ferramentas e práticas de MLOPs (Docker/Kubernetes; Vertex pipelines; Model Monitoring; Continuous Traning);
Inglês intermediário ou Avançado.