Descrição: O que você precisa conhecer para fazer parte da Topaz? Experiência Profissional * Experiência em desenvolvimento de software * Experiência com dados em atividades relacionadas a MLOps ou Data Science Habilidades Técnicas Programação em Python: * Proficiência em Python para desenvolvimento de aplicações robustas * Versionamento de código com Git * Conhecimento sólido de estruturas de dados, algoritmos e padrões de projeto * Manipulação de dados com NumPy e Pandas * Desenvolvimento de modelos com Scikit Learn e TensorFlow * Testes unitários com pytest * Testes de carga com Locust Cloud e Infraestrutura: * Experiência prática com AWS (EC2, S3, Lambda, ECR, ECS/EKS) * Containerização com Docker * Orquestração com Kubernetes * Infrastructure as Code com Terraform DevOps e CI/CD: * Experiência com GitLab CI/CD para automação de pipelines * Conhecimento de práticas de DevOps aplicadas a ML Banco de Dados: * Experiência com bancos de dados NoSQL (MongoDB, DocumentDB, DynamoDB) * Desenvolvimento de modelo ORM para bancos relacionais Diferenciais * Certificações AWS (Solutions Architect, Machine Learning Specialty) * Experiência com ferramentas de MLOps (MLflow, Kubeflow, Airflow) * Conhecimento em Feature Stores e Model Registry * Experiência com frameworks de monitoramento de modelos * Conhecimento em segurança e governança de dados * Contribuições open source Seu Dia a Dia na Topaz: Na Topaz, você será responsável por liderar o desenvolvimento e a implantação de modelos avançados que impulsionam a prevenção de fraudes em larga escala. Seu dia\-a\-dia será desafiador e repleto de oportunidades para aplicar suas habilidades técnicas e estratégicas. Entre as principais atividades estão: Desenvolvimento e Infraestrutura de ML * Desenvolver e manter pipelines automatizados de ML (CI/CD) para treinamento, validação e deploy de modelos * Adequar pipelines de transformação de dados para inferência de modelos de aprendizado de máquina * Garantir a escalabilidade e disponibilidade das aplicações de ML em ambientes produtivos Implantação e Monitoramento em Produção * Trabalhar em conjunto com Cientistas de Dados para criar pipelines robustos e escaláveis * Implementar sistemas de monitoramento contínuo do desempenho dos modelos em produção * Identificar e mitigar degradações de performance, data drift e concept drift * Estabelecer alertas e dashboards para acompanhamento de métricas críticas Otimização e Manutenção Contínua * Implementar estratégias de retreinamento automático e versionamento de modelos * Atualizar modelos com novos dados mantendo a rastreabilidade e governança * Implementar técnicas de explicabilidade (XAI) garantindo transparência e conformidade regulatória * Otimizar custos de infraestrutura e tempo de processamento Pesquisa e Inovação * Explorar e avaliar novas tecnologias, frameworks e ferramentas de MLOps * Contribuir para a definição de boas práticas, padrões técnicos e documentação da equipe * Manter\-se atualizado com tendências e inovações em Machine Learning Operations 2512200202551929829