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.

Somos 8.000 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.

Estamos em busca de uma pessoa para atuar como Engenheiro(a) de Dados, na implantação, operacionalização e evolução de modelos em ambiente produtivo. O profissional será responsável por garantir que os modelos sejam disponibilizados de forma escalável, segura e governada, atuando desde a construção das esteiras de dados até o monitoramento contínuo da performance dos modelos.

A posição exige forte experiência em plataformas de dados modernas, automação de pipelines, boas práticas de MLOps e integração entre equipes de Dados, Analytics, Engenharia e Negócio.

- Desenvolver e manter esteiras de MLOps para implantação e gestão de modelos.
- Construir pipelines de preparação, transformação e validação de dados utilizando PySpark e Databricks.
- Realizar o deploy, versionamento e gerenciamento do ciclo de vida de modelos em produção.
- Automatizar processos de treinamento, validação, implantação e monitoramento de modelos.
- Implementar práticas de CI/CD para projetos de Machine Learning utilizando GitHub.
- Monitorar indicadores de performance, disponibilidade, qualidade dos dados e estabilidade dos modelos.
- Garantir rastreabilidade, governança e reprodutibilidade dos modelos ao longo de todo o ciclo de vida.
- Atuar na integração entre ambientes Azure, Databricks e demais componentes da arquitetura de dados.
- Trabalhar em conjunto com Cientistas de Dados, Engenheiros de Dados, Analytics e áreas de Negócio para viabilizar soluções escaláveis.
- Identificar oportunidades de otimização de performance, custos e eficiência operacional das esteiras de processamento.

- Experiência sólida em implantação e operacionalização de modelos de Machine Learning.
- Experiência avançada com Databricks.
- Conhecimento avançado em Azure.
- Domínio de PySpark para processamento distribuído de dados.
- Experiência com GitHub e práticas de versionamento de código.
- Conhecimento em MLOps, incluindo automação, monitoramento, governança e gerenciamento do ciclo de vida de modelos.
- Experiência com construção e manutenção de pipelines de dados e Machine Learning.
- Vivência com ambientes de produção e arquiteturas escaláveis.
- Conhecimento em CI/CD aplicado a projetos de Machine Learning.
- Experiência com monitoramento de modelos, qualidade de dados e observabilidade.

- Experiência com MLflow, Azure Machine Learning ou ferramentas similares.
- Conhecimento em arquitetura Lakehouse.

#LI-PA1