A Randstad Digital encontra-se a recrutar um(a) Lead MLOps Engineer para integrar uma startup informática que desenvolve soluções de IA/ ML para a área aeroespacial.

Regime de Trabalho: 100% remoto

A Randstad tem a missão de se tornar a empresa mais equitativa e especializada de talentos a nível mundial e, por isso, reiteramos que damos as boas-vindas a pessoas com as mais diversas capacidades e experiências. Assumimos o compromisso de garantir que o nosso processo de recrutamento e contratação satisfaça as necessidades de todas as pessoas.

Preocupamo-nos com a igualdade de oportunidades, independentemente de etnia, cor, religião, sexo, orientação sexual, identidade de género, nacionalidade, idade, informações genéticas, incapacidade ou qualquer outro estatuto de grupo protegido por lei.

responsabilidades chave

• Liderar o design e a evolução da arquitetura, ferramentas e modelo operacional de MLOps.
  
• Perfil "hands-on" no desenvolvimento de infraestrutura, pipelines de implementação, automação e sistemas de produção.
  
• Projetar, construir e manter a infraestrutura necessária para desenvolver, implementar e operar modelos de aprendizagem automática em produção.
  
• Desenvolver e melhorar pipelines de CI/CD para cargas de trabalho de IA e aprendizagem automática.
  
• Estabelecer processos robustos para implementação, versionamento, validação, promoção e rollback de modelos.
  
• Implementar a observabilidade de modelos, dados e pipelines, incluindo a monitorização de degradação de desempenho, desvio de dados (data drift) e anomalias operacionais.
  
• Garantir a reprodutibilidade nos ambientes de treino, validação e produção.
  
• Construir e manter ferramentas para registos de modelos (model registries), gestão de artefactos e rastreio de experiências.
  
• Trabalhar em estreita colaboração com programadores de IA/ML para melhorar a transição de modelos protótipo para serviços com qualidade de produção.
  
• Integrar capacidades de aprendizagem automática na plataforma mais ampla de software e dados da empresa.
  
• Suportar o processamento escalável de conjuntos de dados grandes e heterogéneos provenientes de múltiplas fontes operacionais.
  
• Melhorar a automação da infraestrutura e reduzir o trabalho operacional manual.
  
• Suportar a implementação em cloud, cloud privada, infraestrutura local (on-premises) e ambientes seguros ou restritos, quando necessário.
  
• Contribuir para a fiabilidade, disponibilidade, segurança e desempenho da plataforma.
  
• Estabelecer logging, métricas, alertas e rastreamento (tracing) adequados para serviços capacitados por ML.
  
• Definir padrões técnicos, padrões de arquitetura (patterns) e boas práticas para IA em produção e MLOps.
  
• Contribuir para decisões de arquitetura relativas a infraestrutura de IA, pipelines de dados e padrões de implementação.
  
• Ajudar a garantir que os sistemas capacitados por IA cumprem os requisitos operacionais de rastreabilidade, escalabilidade e fiabilidade.
  
• Apoiar a investigação de incidentes, análise de causa-raiz e melhoria contínua dos sistemas de ML em produção.
  
• Contribuir para a gestão e suporte da equipa de MLOps e ajudar a fortalecer essa capacidade em toda a organização de engenharia.
  
• Apoiar o recrutamento, onboarding e desenvolvimento de engenheiros de MLOps adicionais.
  
• Ajudar a definir a estrutura futura, responsabilidades e modelo operacional da equipa de MLOps.
  
  

  competências

  
  
  • Licenciatura em Engenharia Informática, Ciências da Computação ou área similar;
    
  • +5 anos de experiência em funções semelhantes, com foco em engenharia de software, DevOps, engenharia de plataforma ou MLOps.
    
  • Experiência demonstrada na implementação e operação de modelos de machine learning, em ambientes de produção.
    
  • Fortes competências de programação, de preferência em Python e em uma ou mais linguagens de programação modernas adicionais.
    
  • Sólida compreensão dos princípios de engenharia de software, APIs, sistemas distribuídos e ambientes de produção.
    
  • Experiência no design e manutenção de pipelines de CI/CD e infraestrutura como código (infrastructure-as-code).
    
  • Experiência com tecnologias de contentorização e orquestração, como Docker e Kubernetes.
    
  • Experiência com plataformas em cloud (AWS) e arquiteturas cloud-native.
    
  • Experiência na gestão do ciclo de vida de modelos, rastreio de experiências e versionamento de modelos.
    
  • Experiência com observabilidade, monitorização, logging e alertas para sistemas de produção.
    
  • Sólida compreensão de pipelines de dados, feature pipelines e fluxos de trabalho de treino de modelos.
    
  • Familiaridade com frameworks de ML e com os desafios operacionais associados à sua implementação.
    
  • Boa compreensão de segurança, controlo de acessos e considerações sobre a cadeia de abastecimento de software.
    
  • Capacidade de resolver problemas complexos em sistemas de produção distribuídos.
    
  • Capacidade de definir padrões técnicos e promover a sua adoção nas equipas de engenharia.
    
  • Experiência em mentoria ou liderança técnica de outros engenheiros.
    
  • Fortes competências de comunicação e capacidade de trabalhar eficazmente entre equipas de software, IA, dados e operações.
    
  • Elevado sentido de responsabilidade e facilidade em operar numa organização tecnológica em crescimento.
    
  • Nível de Inglês fluente.
    
  • Experiência nos setores aeroespacial, defesa, robótica, sistemas autónomos ou noutro ambiente de missão crítica (é uma vantagem).
    
    

    principais benefícios

    
    
    • Remuneração base;
      
    • Subsídio de alimentação;
      
    • Seguro de Saúde;
      
    • Outros benefícios.