Profissional sênior responsável por desenhar, desenvolver e operar soluções de Inteligência Artificial ponta a ponta — desde pipelines de dados até deploy de modelos de Machine Learning e LLMs em ambiente container\-orientado (Kubernetes/OpenShift). Atuação forte em Python, MLOps, GenAI/RAG e entendimento de domínio de negócio. Conhecimentos necessários * Linguagem e backend * Domínio de Python ou JAVA para construção de APIs, serviços e jobs batch (ex.: FastAPI/Flask, scripts de automação, ETLs). * Boas práticas de código (logs, testes, organização de pacotes, virtualenv/poetry/pip, etc.). * Infraestrutura, containers e orquestração * Experiência com containers: build, otimização de imagens, multi\-stage builds. * Experiência com Kubernetes / OpenShift (desejável experiência real em produção): * Deploy e operação de aplicações (Deployments, CronJobs, ConfigMaps, Secrets, Ingress/Routes). * Noções de observabilidade, logs, métricas e troubleshooting em cluster. * MLOps / Data AI * Experiência em Machine Learning clássico (treino, avaliação, versionamento de modelos e features). * Experiência em LLMs / GenAI em produção (vLLM, KServe, OpenShift AI ou similar). * Conhecimento em pipelines de dados e integração com fontes diversas. * Experiência com Kafka ou outros sistemas de mensageria/streaming para ingestão de eventos em larga escala. * Experiência com Elasticsearch / OpenSearch ou outro mecanismo de busca para indexação, consulta e análise de dados. * Arquitetura e integração * Capacidade de desenhar arquiteturas de referência para soluções de IA (batch, near real time, APIs síncronas). * Integração de serviços de IA com sistemas legados, APIs REST e bancos de dados. * Experiência com Git, CI/CD e boas práticas de versionamento e automação de deploy. * Domínio de negócio * Capacidade de traduzir requisitos de negócio em soluções técnicas de IA com foco em valor e governança. * Perfil comportamental * Atuação sênior / hands\-on, com autonomia para propor arquitetura, implementar, testar e colocar em produção. * Boa comunicação com times de negócio, produto, desenvolvimento e operações. * Capacidade de documentação clara (README, FAQs, dicionário de dados, fluxos de arquitetura, etc.). Conhecimentos desejáveis * GenAI e LLMs avançado * Experiência com RAG, vector stores e embeddings. * Conhecimento em orquestração de LLMs (agentes, ferramentas, chain\-of\-thought supervisionado, etc.). * Experiência com modelos como Llama, Falcon, ou outros LLMs self\-hosted. * Ferramentas e ecossistema * Experiência com OpenShift AI / KServe / vLLM em ambiente corporativo. * Noções de monitoramento de custo e performance de modelos (tokens, latência, throughput). * Data Engineering / Analytics * Conhecimento de modelagem de dados, ETL/ELT e boas práticas de qualidade de dados. * Experiência em criação de dashboards/relatórios para acompanhar uso de IA, métricas de negócio e indicadores de risco. * Segurança e governança * Noções de segurança de dados, LGPD, anonimização e controle de acesso em projetos de governo/setor público. Boas práticas de governança de modelos (auditoria, rastreabilidade, logging de consultas, explainability básica).