Descrição da vaga

Texto agregado para leitura rápida. Confira sempre a fonte original ao enviar a candidatura.

Na Topaz, não criamos apenas tecnologia. Nós transformamos o futuro do mercado financeiro. 🚀



Somos um time #Multi de protagonistas que transformam ideias em soluções de impacto. Em nosso Topaz Team, fomentamos um ambiente de colaboração real onde sua curiosidade é premiada e seu potencial se expande, aprendendo com os melhores para resolver desafios complexos.



Você está pronto(a) para ser protagonista desta evolução? Queremos conhecer você!



Seu Papel como Protagonista da Transformação:



Estamos em busca de um Engenheiro de Machine Learning (MLOps) para integrar nossa equipe de dados, no combate à crimes cibernéticos e na prevenção de lavagem de dinheiro. Você será responsável por garantir que nossos modelos de aprendizado de máquina sejam implantados, monitorados e mantidos em produção com excelência operacional, escalabilidade e confiabilidade.



Desenvolvimento e Infraestrutura de ML



Desenvolver e manter pipelines automatizados de ML (CI/CD) para treinamento, validação e deploy de modelos

Adequar pipelines de transformação de dados para inferência de modelos de aprendizado de máquina

Garantir a escalabilidade e disponibilidade das aplicações de ML em ambientes produtivos



Implantação e Monitoramento em Produção



Trabalhar em conjunto com Cientistas de Dados para criar pipelines robustos e escaláveis

Implementar sistemas de monitoramento contínuo do desempenho dos modelos em produção

Identificar e mitigar degradações de performance, data drift e concept drift

Estabelecer alertas e dashboards para acompanhamento de métricas críticas (Grafana ou similares)



Otimização e Manutenção Contínua



Implementar estratégias de retreinamento automático e versionamento de modelos

Atualizar modelos com novos dados mantendo a rastreabilidade e governança

Disponibilizar infraestrutura para técnicas de explicabilidade (XAI), garantindo transparência e conformidade regulatória

Otimizar custos de infraestrutura e tempo de processamento



Pesquisa e Inovação



Explorar e avaliar novas tecnologias, frameworks e ferramentas de MLOps

Contribuir para a definição de boas práticas, padrões técnicos e documentação da equipe

Manter-se atualizado com tendências e inovações em Machine Learning Operations



O que Buscamos para Somar ao nosso #TopazTeam:



Experiência Profissional:


Presença obrigatória no escritório de San Pablo ou Indaiatuba duas vezes por semana (não negociável).

Mínimo de 5 anos de experiência em desenvolvimento de software

Mínimo de 3 anos de experiência com dados em atividades relacionadas a MLOps ou Data Science



Programação em Python:


Proficiência em Python para desenvolvimento de aplicações robustas

Versionamento de código com Git

Conhecimento sólido de estruturas de dados, algoritmos e padrões de projeto

Manipulação de dados com NumPy e Pandas

Testes unitários com pytest

Testes de carga com Locust



Cloud e Infraestrutura:


Experiência prática com AWS (EC2, S3, Lambda, ECR, ECS/EKS)

Containerização com Docker

Orquestração com Kubernetes

Infrastructure as Code com Terraform



DevOps e CI/CD:


Experiência com GitLab CI/CD para automação de pipelines

Conhecimento de práticas de DevOps aplicadas a ML



Banco de Dados:


Experiência com bancos de dados NoSQL (MongoDB, DocumentDB, DynamoDB)

Desenvolvimento de modelo ORM para bancos relacionais



Diferenciais


Certificações AWS (Solutions Architect, Machine Learning Specialty)

Ferramentas MLOps: MLflow, Kubeflow, Metaflow

Orquestração de pipelines de dados: Dagster (desejável)

Conhecimento em Feature Stores e Model Registry

Frameworks de ML: Scikit-Learn, TensorFlow

FastAPI para exposição de modelos como serviço

Experiência com frameworks de monitoramento de modelos

Conhecimento em segurança e governança de dados

DVC para versionamento de dados e modelos

uv para gerenciamento de ambiente Python

Contribuições open source



Información adicional



Sua experiência na Topaz é nossa prioridade! Estes são alguns dos benefícios que irão acompanhar você em sua evolução:



🌱 Bem-estar Integral: Seu bem-estar é fundamental. Cuidamos de você e de quem você mais ama com planos de saúde integrais, porque um time saudável é um time que transforma.

🚀 Desenvolvimento e Evolução: Sua carreira não para. Na Topaz, a #Evolução é constante. Através de programas de formação e desafios diários, damos a você as ferramentas para que seu potencial não tenha limites.

⚖️ Flexibilidade e Equilíbrio: Acreditamos no equilíbrio. Desfrute da flexibilidade que você precisa para dar o seu melhor com nossa modalidade híbrida e um dia de folga no seu aniversário para celebrar como você merece.

Vagas relacionadas

Seleção por stack em comum com esta oportunidade

S
LinkedIn
Match50%

Especialista SRE

Serasa Experian São Paulo 100 candidaturas Hoje

Salário estimado

R$ 23k - 38k/mês

Especialista CLT

Company DescriptionA Serasa Experian é a primeira e a maior Datatech do Brasil. Líder em soluções de inteligência para análise de riscos e oportunidades, com foco nas jornadas de crédito, autenticação e prevenção à fraude. Com tecnologia de ponta, inovação e os melhores talentos, transforma a incert...

Ver Detalhes
I
LinkedIn
Match35%

Engenheiro de Dados Pleno

iDdata São Paulo 25 candidaturas Hoje

Salário estimado

R$ 4k - 7k/mês

Júnior CLT

Buscamos uma pessoa para atuar como Engenheira(o) de Dados Pleno, com foco em desenvolvimento de pipelines e governança de dados no ecossistema Databricks. Neste cargo, você fará parte do time de Dados e Analytics da ID Data, colaborando diretamente em projetos para clientes de grande porte — contri...

Ver Detalhes
D
Remoto LinkedIn
Match65%

Data Scientist

DoorDash São Paulo 200 candidaturas Hoje

Salário estimado

R$ 9k - 14k/mês

Pleno CLT

About The TeamThe Analytics team is looking for experienced Data Scientists to guide measurement, strategy, and tactical decision-making across the company across a variety of teams and levels. Data Scientists at DoorDash work to uncover insights and turn them into relevant recommendations, driving ...

Ver Detalhes