Descrição da Vaga
Buscamos um(a) MLOps Engineer Sênior para liderar a construção da plataforma de ML em tempo real do Asaas. Esta plataforma será a base para modelos de machine learning, agentes de IA e aplicações tomarem decisões em milissegundos, a partir de eventos que acabaram de acontecer nos produtos da empresa. O desafio é desenhar e construir essa plataforma na AWS e entregá-la como serviço aos times de ciência de dados e de produto, reunindo feature store, registro de modelos, inferência em tempo real e monitoramento para autonomia na colocação de modelos em produção. Você fará parte da estrutura de plataforma e trabalhará com os times de engenharia de software, de dados e de cloud, desde o desenho da arquitetura até a entrada em produção.
Responsabilidades
- Liderar o desenho da arquitetura da plataforma de ML em tempo real, avaliando alternativas e conduzindo as decisões técnicas com os times envolvidos.
- Entregar a plataforma como serviço, com padrões, interfaces e documentação que permitam aos times de ciência de dados e de produto definir, publicar e consumir features e modelos sem depender do time de plataforma.
- Construir e evoluir os componentes da plataforma: a feature store (online e offline, com metadados catalogados), o registro e versionamento de modelos, a inferência em tempo real e o monitoramento dos modelos em produção.
- Garantir que as features usadas no treinamento e na inferência sejam as mesmas, com a mesma lógica em batch e em streaming, definindo os requisitos com os times de engenharia que constroem os fluxos de eventos.
- Integrar a plataforma aos serviços de ML da AWS, com o Amazon SageMaker como base para o armazenamento de features, o registro de modelos e a inferência em tempo real.
- Estruturar a operação da plataforma e dos modelos em produção com os times de Cloud e de Plataforma de Dados, usando infraestrutura como código, padrões e runbooks.
- Garantir a latência, a disponibilidade e a escalabilidade da plataforma, com SLOs e observabilidade.
- Documentar decisões técnicas, padrões e procedimentos operacionais, facilitando o crescimento do time e a evolução da stack.
Requisitos
- ✓Conhecimento em observabilidade em produção.
- ✓Experiência em produção com modelos de machine learning em tempo real, com inferência acionada a cada evento e requisitos de baixa latência.
- ✓Vivência na entrega de plataforma como serviço, com padrões de arquitetura self-service, documentação e interfaces que deem autonomia aos times de ciência e produto.
- ✓Experiência na construção de Feature Store (online e offline, com metadados catalogados) e garantia de consistência entre treinamento e inferência.
- ✓Prática na estruturação de registro e versionamento de modelos (Model Registry, ex.: MLflow) e monitoramento de modelos em produção.
- ✓Experiência na construção de plataformas de dados e ML na AWS, preferencialmente com Amazon SageMaker (Endpoints, Feature Store, Model Registry, Pipelines) ou serviços equivalentes.
- ✓Domínio avançado de Python para desenvolvimento de rotinas de dados e serviços de ML.
- ✓Domínio avançado de SQL para desenvolvimento de rotinas de dados e serviços de ML.
- ✓Domínio de Terraform (IaC).
- ✓Conhecimento em automação de deploys via CI/CD.
- •Experiência com tomada de decisão em tempo real em produtos financeiros (como risco, crédito ou prevenção a fraudes).
- •Entendimento da construção e consumo de fluxos de streaming (ex.: Kafka, Kinesis, CDC, AWS DMS, MSK) para dialogar com os times de engenharia.
- •Vivência no ecossistema Databricks para apoiar e se comunicar com cientistas e analistas de dados.
- •Conhecimento das principais regulações do setor (como LGPD, normas do Banco Central/BACEN e SOX).
Benefícios
- ✓Assistência médica sem coparticipação.
- ✓Assistência odontológica sem coparticipação.
- ✓Seguro de vida.
- ✓Auxílio para compra de medicamentos.
- ✓Auxílio para realizar atividades físicas.
- ✓Parceria com Neon para saúde financeira.
- ✓Parceria com Zenklub para saúde física e mental (4 sessões mensais de terapia ou nutricionista gratuitas).
- ✓Benefício alimentação flexível (cartão de crédito Visa).
- ✓Auxílio creche.
- ✓Programa de apoio parental.
- ✓Licença maternidade estendida.
- ✓Licença paternidade estendida.
- ✓Plataforma de treinamentos in company.
- ✓Auxílio educação (subsidia 70% de mensalidades de graduações e idiomas, compra de cursos e livros).
- ✓Auxílio Home Office.
- ✓Equipamentos de trabalho.
- ✓Auxílio mobília.
- ✓Parceria com WOBA para uso de coworkings em todo o Brasil.
- ✓Day Off no mês do aniversário.
- ✓Auxílio Happy Hour.
- ✓Bonificação por indicação de novos colaboradores.
- ✓Bonificação baseada em metas anuais.
- ✓Plano de Stock Options.
Sobre a Empresa
Mais vagas na Asaas →Somos uma super Fintech, Instituição de Pagamento credenciada pelo Banco Central do Brasil e temos como propósito maximizar a produtividade das empresas através da tecnologia. Oferecemos uma solução completa para gestão de cobranças, pagamentos, antecipações de recebíveis e atendemos mais de 120 mil...[Ver Mais]
Informações Adicionais
Você será redirecionado para o site da empresa
Vagas Relacionadas
Engenheiro de Dados Sênior
Insi
Engenheiro DevOps/DataOps (Databricks)
Marlabs
Analista de Engenharia de IA Sênior
Inmetrics
Arquiteto de Dados e Integração
Hitss Brasil
Pessoa SRE / Engenheira de Dados Sênior
Extractta
Senior Staff Data Platform Engineer
Lemon Energia