ENGENHEIRO DE APRENDIZADO DE MÁQUINA – NÍVEL INTERMEDIÁRIO (HÍBRIDO)

Descrição

Resumo: Procuramos um Engenheiro de Aprendizado de Máquina de nível intermediário para projetar, construir e manter pipelines de dados escaláveis, integrando modelos de ML/IA e evoluindo gradualmente para responsabilidades em Ciência de Dados. Pontos de destaque: 1. Trabalhar na interseção entre Engenharia de Dados, Aprendizado de Máquina (ML) e Ciência de Dados 2. Desenvolver produtos de dados robustos para sistemas de recomendação e tomada de decisões 3. Focar em pipelines de produção, MLOps e soluções de dados escaláveis #### **ENGENHEIRO DE APRENDIZADO DE MÁQUINA – NÍVEL INTERMEDIÁRIO (HÍBRIDO LISBOA)** Empresa portuguesa contrata para posição híbrida Localização: Lisboa, Portugal * ️ Apenas candidatos já residentes em Portugal serão considerados Modelo de trabalho: Híbrido — 60% remoto e 40% presencial ️ Requisitos linguísticos: Inglês nível B2\+ — Obrigatório Experiência profissional: Nível intermediário (3\+ anos) Setor: Telecomunicações Faixa salarial entre €1600 \- 1900 RV * ️ Instruções: Envie seu currículo em inglês e certifique-se de incluir todas as competências e experiências que correspondam aos requisitos da oportunidade. Isso aumentará significativamente suas chances de sucesso #### **Sobre a oportunidade** Você trabalhará na interseção entre Engenharia de Dados, Aprendizado de Máquina e Ciência de Dados, ajudando a criar produtos de dados robustos que suportam sistemas de recomendação e a tomada de decisões empresariais. Essa oportunidade é particularmente adequada para um Engenheiro de Dados ou de Aprendizado de Máquina que já possui sólida experiência em pipelines de produção e deseja desenvolver-se ainda mais em Aprendizado de Máquina, MLOps e Ciência de Dados. #### **Principais responsabilidades** * Projetar, construir e manter pipelines de dados escaláveis usando Python, PySpark e SQL. * Orquestrar e monitorar fluxos de trabalho usando Airflow e Astronomer. * Implementar testes automatizados, implantação e processos de CI/CD com GitHub. * Garantir qualidade, confiabilidade, observabilidade e entrega pontual dos dados conforme os SLAs acordados. * Monitorar pipelines de produção e solucionar incidentes operacionais. * Automatizar tarefas operacionais e de manutenção recorrentes. * Estruturar produtos de dados reutilizáveis em um ambiente de data mesh. * Trabalhar com sistemas distribuídos e conjuntos de dados em larga escala. * Colaborar estreitamente com Cientistas de Dados, Product Owners, equipes técnicas e partes interessadas empresariais. * Apoiar a integração progressiva de modelos de Aprendizado de Máquina e IA na produção. * Assumir responsabilidades adicionais em Ciência de Dados à medida que os produtos de recomendação evoluírem. #### **Requisitos obrigatórios** * Graduação em Ciência da Computação, Engenharia, Matemática, Estatística ou outra área quantitativa correlata. * Pelo menos 3 anos de experiência na construção e operação de pipelines de dados em produção. * Excelentes habilidades de programação em Python e/ou PySpark. * Conhecimento sólido de SQL para transformação, análise e validação de dados. * Experiência prática com Airflow ou outra ferramenta semelhante de orquestração de fluxos de trabalho. * Experiência em Engenharia de Dados e pipelines de dados escaláveis. * Compreensão de computação distribuída e processamento de dados em larga escala. * Experiência em modelagem, testes e validação de dados. * Conhecimento de práticas de qualidade e observabilidade de dados. * Experiência na implementação ou utilização de processos de CI/CD. * Familiaridade com fluxos de trabalho de Aprendizado de Máquina. * Grande motivação para avançar rumo ao Aprendizado de Máquina, MLOps e Ciência de Dados. * Excelentes habilidades analíticas, de solução de problemas e de diagnóstico de falhas. * Proficiência em inglês no nível B2 ou superior. * Disponibilidade para trabalhar em modelo híbrido com 40% de presença presencial. #### **Cinco competências essenciais** * Python e/ou PySpark — desenvolvimento de pipelines de dados em produção. * SQL — transformação, análise e validação de dados. * Airflow — orquestração e monitoramento de fluxos de trabalho. * Engenharia de Dados — pipelines escaláveis, processamento distribuído e dados em produção. * Qualidade e observabilidade de dados — testes automatizados, validação, contratos de dados, monitoramento e conformidade com SLAs. #### **Desejável** * Experiência com Google Cloud Platform. * Conhecimento de BigQuery e Dataproc. * Experiência com Astronomer. * Compreensão de arquiteturas de data mesh. * Experiência com práticas e ferramentas de MLOps. * Conhecimento de contratos de dados. * Experiência com frameworks de qualidade de dados. * Exposição prévia a sistemas de recomendação. * Experiência na implantação de modelos de Aprendizado de Máquina ou IA em produção. * Conhecimento de GitHub Actions ou ferramentas similares de CI/CD. #### **O candidato ideal** O candidato ideal possui uma sólida base em Engenharia de Dados combinada com conhecimento sobre fluxos de trabalho de Aprendizado de Máquina e uma clara motivação para evoluir rumo à Ciência de Dados. Você se sente à vontade ao construir e operar pipelines escaláveis, trabalhar com processamento distribuído de dados, monitorar fluxos de trabalho em produção e garantir que os produtos de dados sejam confiáveis e entregues dentro dos SLAs acordados. Você assume a propriedade de seu trabalho, presta atenção rigorosa à qualidade dos dados e compreende como decisões técnicas afetam os resultados empresariais. Além disso, aprecia colaborar com Cientistas de Dados, Product Owners e partes interessadas empresariais em um ambiente ágil. #### **Perguntas ao candidato** Antes de se candidatar, confirme, por favor: * Você tem pelo menos três anos de experiência na construção e operação de pipelines de dados em produção? * Quantos anos de experiência profissional você possui com Python e PySpark? * Como você classificaria seu conhecimento de SQL? * Você já usou o Airflow para orquestrar e monitorar fluxos de trabalho em produção? * Você tem experiência com Astronomer? * Você já trabalhou com computação distribuída e processamento de dados em larga escala? * Qual é sua experiência em modelagem de dados, testes automatizados e validação? * Você já implementou práticas de qualidade de dados, observabilidade ou contratos de dados? * Você tem experiência em monitorar pipelines e resolver incidentes em produção? * Você já trabalhou com pipelines de CI/CD e GitHub ou GitHub Actions? * Você tem experiência prática com fluxos de trabalho de Aprendizado de Máquina ou MLOps? * Você está interessado em assumir progressivamente mais responsabilidades em Ciência de Dados? * Você já trabalhou com GCP, BigQuery ou Dataproc? * Você tem experiência em ambientes de data mesh ou com produtos de dados reutilizáveis? * Seu nível de inglês é B2 ou superior? * Você está disponível para um modelo híbrido com 40% de presença presencial? * Você concorda com uma faixa salarial mensal B2B/RV entre €1.600 e €1.900? * Qual é sua disponibilidade para início? #### **Palavras-chave para currículo** Engenheiro de Aprendizado de Máquina, Engenheiro de Dados, Engenharia de Dados, Aprendizado de Máquina, MLOps, Ciência de Dados, Python, PySpark, SQL, Airflow, Astronomer, GitHub, GitHub Actions, CI/CD, Pipelines de Dados, Pipelines de Produção, ETL, ELT, Orquestração de Fluxos de Trabalho, Computação Distribuída, Processamento de Dados em Larga Escala, Modelagem de Dados, Transformação de Dados, Validação de Dados, Testes Automatizados, Qualidade de Dados, Observabilidade de Dados, Contratos de Dados, Monitoramento de SLAs, Monitoramento em Produção, Solução de Incidentes, Automação de Pipelines, Produtos de Dados, Produtos de Dados Reutilizáveis, Data Mesh, Sistemas de Recomendação, Produtos de Recomendação, Modelos de IA, Modelos de ML, Integração de Modelos, Implantação de Modelos, GCP, Google Cloud Platform, BigQuery, Dataproc, Ágil, Clientes PME, Clientes Residenciais, Resolução de Problemas, Gestão de Partes Interessadas \#00349076