Dados | Engenheiro(A) De Machine Learning Sênior

QUER SIMPLIFICAR E DEMOCRATIZAR O ACESSO AO CRÉDITO PARA MILHARES DE PESSOAS? BORA FAZER ISSO JUNTOS! Somos uma empresa de produtos financeiros que nasceu há 20 anos para simplificar e democratizar o acesso ao crédito , principalmente à população com menor poder aquisitivo, que forma nosso principal público-alvo e para quem desenvolvemos nossas soluções.  Assim como as fintechs, a tecnologia é nosso ponto central , sempre buscamos melhorias por meio da inovação e criamos metodologias, processos e ferramentas para facilitar o acesso aos serviços financeiros. Estamos localizados em São José dos Campos, interior de São Paulo, e hoje contamos com mais 900 histórias , que juntas, compõe essa empresa que não para de crescer! Venha fazer parte disso também! *Para que sua inscrição seja considerada, preencha seu cadastro até o final e não esqueça de realizar o teste de perfil* /n Antes de tudo, você precisa se identificar com nosso propósito que é valorizar as pessoas para que cada uma construa a sua história. Além disso, é interessante que você tenha Graduação em Ciência da Computação, Informática, Engenharia de Software, Matemática, Estatística ou áreas afins; Experiência em implementação de aplicações, APIs e banco de dados; Experiência com disponibilização de modelos de Machine Learning e Deep Learning em produção, utilizando conceitos e práticas de MLOps, DataOps e DevOps; Experiência com frameworks web como Flask, FastAPI; Experiência com plataformas de ciclo de vida de modelos como MLFlow, KubeFlow, SageMaker ou ferramentas semelhantes; Experiência com contêineres ( Docker, Kubernetes ou similares); Sólidos conhecimentos da linguagem Python; Conhecimento das boas praticas de desenvolvimento de software (princípios SOLID); Vasta experiência atuando como engenheiro de ML. Será um diferencial   Desejável experiência com Azure DevOps Pipelines; /n O seu desafio será  Refatorar o código dos modelos construídos pelos analistas e cientistas de dados, seguindo boas práticas de arquitetura de software; Gerar os artefatos dos modelos e apoiar a entrega em ambiente produtivo; Apoiar na construção da pipeline dos modelos; Gerenciar o ciclo de vida dos modelos, monitorando sua aderência ao longo do tempo;