Com conhecimento técnico aprofundado, é capaz de oferecer novas perspectivas de solução para problemas de dificuldade moderada. Precisando de um mínimo de orientação, começa a orientar outros profissionais e a contribuir decisivamente na tomada de decisão

• Estudar e transformar projetos de ciência de dados em modelos de machine learning eficientes
• Realizar o desenvolvimento e melhoria do pipeline de modelos (desenvolvimento, deploy e monitoramento)
• Desenvolver pesquisa e implementação de algoritmos e ferramentas de machine learning.
• Auxiliar e Desenvolver melhorias contínuas de notebooks/códigos e trabalhos existentes, com grande quantidade de dados reais, visando melhorar seus desempenhos.
• Atuar e validar a pesquisa e seleção de dados adequados para modelos, bem como melhores métodos para representação de dados.
• Pesquisar e desenvolver o desenho, desenvolvimento, testes e deploy de algoritmos de otimização, deep learning e rôbos (IA)
• Desenvolver e Validar controle e monitoramento de algoritmos e modelos em produção.
• Realizar e Validar estudos e análises, buscando compreender os diversos aspectos da ciência de dados. Conhecimento em Docker.

• Experiência avançada no ecossistema Vertex AI para gerenciamento do ciclo de vida de ML (Vertex Pipelines, Vertex Model Registry, Vertex Feature Store).
• Sólido conhecimento no ecossistema de dados GCP para engenharia de features e processamento distribuído.
• Engenharia de ML e Práticas de Código:
• Domínio em Python (conhecimentos em R e PySpark/Spark são altamente desejáveis).
• Profundo entendimento prático de TensorFlow e frameworks modernos de Machine Learning.
• Sólido conhecimento na criação/entendimento de modelos Estatísticos, Matemáticos e algoritmos de Machine Learning.
• Experiência em conteinerização com Docker e orquestração de microsserviços com Kubernetes.
• Experiência no desenvolvimento de APIs REST e uso de ferramentas de CI/CD (ex: Jenkins, Git).
• Familiaridade com ferramentas de rastreamento de experimentos (como MLflow ou Vertex AI Experiments).
• Bancos de Dados:
• Domínio em consultas SQL e vivência com bancos de dados NoSQL (como MongoDB).
• Cultura e Idiomas:
• Experiência prática trabalhando com metodologias Ágeis (Agile).
• Inglês Avançado (leitura, escrita e conversação técnica).

• Certificação oficial Google Cloud Professional Machine Learning Engineer.
• Experiência prática com GenAI dentro do Vertex AI (utilização de Model Garden, tuning de LLMs como Gemini).

Faça parte do Time Bullla. 💙