Dados da vaga Analista De Engenharia De Dados Sênior (Machine Learning) em SP

Descrição

1. Área e especialização profissional: Informática, TI, Telecomunicações - Administrador de Banco de Dados
2. Nível hierárquico: Analista
3. Local de trabalho: São Paulo, SP
4. Regime de contratação de tipo Efetivo – CLT
5. Jornada Período Integral
6. Modelo de Trabalho: Presencial
7. será responsável por projetar, implementar e otimizar pipelines de dados que suportem a criação e implementação de modelos de machine learning em produção. A pessoa contratada trabalhará em estreita colaboração com cientistas de dados, engenheiros de machine learning e outros times de tecnologia para garantir que os dados fluam de forma eficiente, segura e escalável em todo o ciclo de vida dos modelos. Além disso, atuará em estratégias de melhoria contínua, inovação e liderança técnica dentro do time.
8. Responsabilidades
9. Desenvolver e manter pipelines de dados escaláveis: Criar fluxos de dados de ponta a ponta (extração, transformação e carregamento - ETL) que garantam a ingestão eficiente de dados, preparação e manutenção para uso em modelos de machine learning.
10. Suporte à implementação de modelos de machine learning em produção: Colaborar com cientistas de dados e engenheiros para integrar modelos em sistemas de produção e garantir que sejam executados de maneira eficiente e contínua.
11. Otimização e automação de processos: Identificar gargalos nos pipelines de dados e implementar soluções para aumentar a eficiência e reduzir custos computacionais.
12. Gerenciamento e monitoramento de pipelines: Monitorar a performance dos pipelines de dados e modelos de machine learning em produção, garantindo a integridade e a qualidade dos dados ao longo do ciclo de vida dos modelos.
13. Arquitetura de dados e armazenamento: Definir arquiteturas robustas para armazenamento de dados (Data Lakes, Data Warehouses) que suportem grande volume de dados e operações de ML, com foco em performance e segurança.
14. Trabalho colaborativo: Colaborar com equipes multifuncionais, como Cientistas de Dados, DevOps e times de Negócios, para atender às necessidades do projeto, facilitando a comunicação entre as áreas técnicas e de negócio.
15. Liderança técnica: Guiar e mentorar membros mais juniores da equipe, propondo soluções inovadoras e padrões de engenharia de dados para suporte à machine learning.
16. Melhoria contínua: Explorar novas ferramentas e tecnologias no espaço de engenharia de dados e machine learning para inovar e melhorar os fluxos de trabalho.
17. Requisitos
18. Formação acadêmica: Graduação em Ciência da Computação, Engenharia de Software, Matemática, Estatística, ou áreas correlatas.

Valorizado

1. Escolaridade Mínima: Ensino Superior