Vaga de ML Engineer Inteligência artificial
1 vaga: | Publicada em 11/05
- A Combinar
Sobre a vaga
Requisitos
Inglês
Essa vaga exige nível mínimo de inglês
Avançado
Tecnologias Necessárias
Conhecimentos obrigatórios
Machine learning
Inteligência artificial
Tecnologias Desejáveis
Conhecimentos não obrigatórios
Senioridade
Tempo de experiência
Pleno
(2-4 anos de experiência)
Especialização em áreas como Machine Learning, Inteligência Artificial ou Ciência
da Computação.
Certificações avançadas em plataformas de cloud que oferecem serviços de AI/ML, especialmente AWS Certified Machine Learning Specialty, Google Professional Data Engineer ou Microsoft Certified:
Azure AI Engineer Associate.
Experiência comprovada no desenvolvimento de modelos de Machine Learning e Deep
Learning.
Experiência no desenvolvimento de aplicações como processamento de imagens, texto,
análise de séries temporais e geração e dados sintéticos.
Experiência com ferramentas e frameworks específicos para ML/AI como TensorFlow,
PyTorch, Scikit-learn e Keras.
Conhecimento profundo em ambientes de desenvolvimento como Jupyter, Colab ou
RStudio.
Experiência prática com múltiplas plataformas de cloud, incluindo AWS e IBM, com
disposição para aprender e adaptar-se a novas plataformas.
Experiência mínima de 5 anos em funções relevantes de desenvolvimento de soluções
de ML/AI.
Domínio avançado de Python; familiaridade com R e suas bibliotecas específicas
para análise de dados como tidyverse e caret.
Fluência em inglês e/ou espanhol técnico, com habilidade para compreender e se
comunicar efetivamente.
Atividades
Projetar e desenvolver soluções de inteligência artificial e machine learning para
resolver problemas de negócios complexos.
Colaborar com as equipes de produto e engenharia para integrar algoritmos de AI/ML
em soluções e produtos existentes.
Conduzir pesquisa e implementação de técnicas de ponta em aprendizado de máquina e
inteligência artificial.
Avaliar a eficácia e precisão dos novos modelos de dados e algoritmos.
Trabalhar em estreita colaboração com cientistas de dados e engenheiros de dados
para criar pipelines de dados eficientes para treinamento de modelos e inferência.
Desenvolver modelos de machine learning e implementar algoritmos de inteligência
artificial.
Prototipar e testar soluções de AI/ML antes de lançá-las em produção.
Otimizar soluções de AI/ML para desempenho e escalabilidade.
Gerenciar o ciclo de vida completo de desenvolvimento de software de IA, desde a
concepção até a implantação e manutenção.
Documentar o processo de desenvolvimento de AI/ML e criar relatórios técnicos.