[Job-29881] Senior Machine Learning I MLOps Engineer, Brazil

Na CI&T , ajudamos grandes empresas a transformar o potencial da AI em impacto real nos negócios com AI Deployment, execução AI-native e tech-integrated business solutions. Com 30 anos de experiência em transformação tecnológica, aceleramos inovação com expertise em agentic SDLC, application modernization, Data & AI, martech e business strategy.

000 CI&Ters em mais de 25 países, colaborando para construir soluções com impacto real. AI já faz parte da forma como trabalhamos, evoluímos e inovamos todos os dias. Importante: se você reside na Região Metropolitana de Campinas, sua presença nos escritórios da cidade será obrigatória, conforme a política de frequencia vigente.

Buscamos pessoas apaixonadas por transformar dados em soluções inteligentes que geram impacto real no negócio, atuando como Machine Learning I MLOps Engineer. Será responsável por levar modelos de Machine Learning treinados pelos times de Data Science para produção de forma confiável, escalável e monitorada, dentro do ecossistema AWS.

Responsabilidades:- Receber modelos treinados e realizar o deploy em produção (batch e/ou real-time); - Construir e manter pipelines de CI/CD para ML (treino → validação → deploy); - Gerenciar Feature Store (criação, versionamento e disponibilização de features para treino e inferência); - Monitorar desempenho dos modelos em produção (drift de dados, drift de modelo, latência, throughput); - Gerenciar versionamento de modelos e experimentos (model registry); - Garantir observabilidade, logging e alertas dos serviços de ML; - Otimizar custos de infraestrutura de ML na AWS (FINOPS); - Colaborar com Data Scientists, Engenheiros de Dados e times de Infra/DevOps.

Requisitos para este desafio:- Amazon SageMaker e Cloud AWS (S3, IAM, VPC, CloudWatch, etc); - Experiência com deploy de modelos (real-time endpoints, batch transform, serverless inference, multi-model endpoints); - AWS Lambda, Step Functions (orquestração de pipelines); - Infraestrutura como código (Terraform ou CloudFormation/CDK); - Python avançado (scripts de treino, inferência, APIs); - CI/CD (CodePipeline, GitHub Actions, GitLab CI ou Jenkins); - SQL e manipulação de grandes volumes de dados; - Conhecimento de pipelines de dados; - Métricas de performance de modelo (acurácia, drift, latência); - Ferramentas de observabilidade e monitoramento (CloudWatch, Model Monitor).

).

#LI-CB4