Navegar
···
Entrar / Registrar
Resumo: Junte-se à dLocal como Engenheiro Sênior de MLOps para construir e operar nossa plataforma de ML e IA, com foco em Feature Store e fluxos de trabalho de MLOps. Pontos principais: 1. Construir e aprimorar o Feature Store com pipelines de recursos online e offline 2. Implementar e aprimorar a plataforma MLOps para treinamento, implantação e observabilidade 3. Automatizar fluxos de trabalho de MLOps e Feature Store usando serviços de IA e agentes Por que você deveria se juntar à dLocal? A dLocal permite que as maiores empresas do mundo recebam pagamentos em 40 países de mercados emergentes. Marcas globais confiam em nós para aumentar as taxas de conversão e simplificar a expansão de pagamentos sem esforço. Como processadora de pagamentos e como comerciante de registro onde operamos, tornamos possível que nossos comerciantes entrem nos mercados emergentes de crescimento mais acelerado do mundo. Ao se juntar a nós, você fará parte de uma incrível equipe global que torna tudo isso possível. Fazer parte da dLocal significa trabalhar com mais de 1000 colegas de mais de 30 nacionalidades diferentes e desenvolver uma carreira internacional que impacta diariamente a vida de milhões de pessoas. Somos construtores, nunca fugimos de um desafio, somos centrados no cliente e, se isso soa com você, sabemos que você prosperará em nossa equipe. **Qual é a oportunidade?** Como **Engenheiro Sênior de MLOps na dLocal**, você será um colaborador individual essencial na equipe que **constrói e opera nossa plataforma de ML e IA**, com forte ênfase em **Feature Store** e **fluxos de trabalho de MLOps**. Você implementará e aprimorará os componentes que as equipes de Ciência de Dados e IA utilizam diariamente para levar modelos e serviços habilitados por IA da ideia à produção: pipelines de recursos, fluxos de trabalho de treinamento e implantação, observabilidade e automação. Uma parte fundamental dessa função é **usar agentes e serviços de IA para automatizar ao máximo o que fazemos em MLOps** — desde operações de Feature Store e plataforma até fluxos de trabalho de fraude/anomalia e otimização de custos de ML — trabalhando lado a lado com a Equipe de IA e o Referente Técnico de MLOps. ### **O que eu farei?** ### **1\. Construção e aprimoramento do Feature Store** * Implementar e manter **pipelines de recursos online e offline** que alimentam nosso Feature Store corporativo, combinando: + **Trabalhos de streaming baseados em Flink** que ingerem grandes volumes de eventos de múltiplas fontes (pagamentos, fraude, anomalia, etc.) em repositórios online. + **Pipelines Databricks / Spark** para computação offline de recursos, preenchimentos retrospectivos (backfills) e conjuntos de dados para treinamento. * Garantir: + Correção pontual para treinamento offline e testes retrospectivos (backtesting). + Implantação online de recursos com baixa latência e alta vazão, com SLAs claros, semântica de TTL e segurança multi-inquilino. * Contribuir para o **catálogo e especificações de recursos**: + Definir entidades, visualizações de recursos, esquemas, SLAs, classificação de dados pessoais identificáveis (PII) e responsáveis. + Auxiliar cientistas de dados e equipes de domínio a integrar novos recursos de forma segura e consistente entre Flink e Databricks. * Desenvolver ferramentas para: + **Coordenação de preenchimentos retrospectivos (backfills) e materialização** entre Flink e Databricks (Lakehouse / Delta). + **Verificações de paridade offline–online**, qualidade de dados, detecção de desvio (drift) e monitoramento de atualidade (freshness) para grupos críticos de recursos. + APIs unificadas de recuperação de recursos (online/offline/lote) e uso de SDK/CLI por modelos e serviços. ### **2\. Implementação da plataforma MLOps (treinamento, implantação, observabilidade)** * Implementar e aprimorar **pipelines de treinamento e avaliação**: + Fluxos de trabalho reproduzíveis, rastreamento de experimentos e integração com registro de modelos. + Fluxos de promoção do ambiente de desenvolvimento para staging e produção, seguindo os padrões da plataforma. * Trabalhar em **caminhos de inferência online e em lote**: + Empacotamento e implantação de modelos. + Estratégias de lançamento (canário, sombra, reversão) alinhadas com SRE/Infra. * Instrumentar pipelines e serviços com **métricas, logs e rastros (traces)**: + Integração com nossa pilha de observabilidade (ex.: OTel, Coralogix). + Exposição de painéis e alertas para componentes de ML (latência, erros, desvio, atualidade). ### **3\. Automação assistida por IA para MLOps e Feature Store** * Integrar e estender **agentes e serviços de IA** (desenvolvidos pela Equipe de IA e por MLOps) para automatizar partes-chave dos **fluxos de trabalho de Feature Store** e MLOps (verificações de integridade, análise de desvio e qualidade, documentação/especificações, triagem de incidentes, sugestões de FinOps, etc.). * Projetar essas automações com **limites claros**: observáveis, auditáveis e fáceis de reverter, mantendo sempre os humanos no controle das decisões em produção. ### **4\. Confiabilidade, segurança e conformidade na prática** * Implementar alterações que respeitem os padrões da plataforma quanto a: + Controle de acesso, gerenciamento de segredos e tratamento de dados pessoais identificáveis (PII) em recursos e modelos. + Separação de ambientes e gestão de mudanças para componentes de ML/IA. * Participar de **rotações de plantão (on-call)** ou caminhos de escalonamento para pipelines de ML e infraestrutura de recursos: + Diagnosticar e corrigir incidentes. + Contribuir com melhorias em playbooks, painéis e testes. ### **5\. Colaboração e contribuição técnica** * Trabalhar em estreita colaboração com: + **Referente Técnico de MLOps**, para alinhar arquitetura e direção técnica. + **Equipes de Ciência de Dados e a Equipe de IA**, para compreender requisitos e remover bloqueios em casos de uso. + **Equipes de Fraude, Anomalia e outras equipes de produtos**, como consumidores de recursos e modelos. * Contribuir para **documentação interna, RFCs, exemplos e guias de integração**, para que outros engenheiros e cientistas de dados possam adotar a plataforma com mais facilidade. * Orientar engenheiros de nível intermediário sobre boas práticas em pipelines, testes, observabilidade e automação. ### **Quais habilidades eu preciso ter?** ### **Requisitos obrigatórios** * Experiência sólida como **Engenheiro Sênior** trabalhando em: + MLOps, plataformas de dados ou sistemas backend/distribuídos em larga escala. * Experiência prática com tecnologias de **big data / streaming** (ex.: Spark, Flink, Kafka, Kinesis ou similares). * Histórico comprovado de construção de **pipelines de ML em produção**: + Rastreamento de experimentos e fluxos de treinamento reproduzíveis. + CI/CD para modelos e pipelines de dados. + Inferência online e em lote em escala. * Familiaridade com **plataformas de ML baseadas em nuvem** e implantações em contêineres (ex.: Databricks, SageMaker, Vertex AI ou equivalentes). * Forte compreensão de **observabilidade**: + Métricas, logs e rastros (traces). + Desvio (drift) e verificações de atualidade (freshness) e qualidade de dados e modelos. * Capacidade de escrever código limpo e sustentável e colaborar por meio de revisões, documentos de design e sessões de programação em pares. * Conforto ao se comunicar com **cientistas de dados, engenheiros de ML e equipes de Infra/SRE**, traduzindo requisitos em soluções técnicas concretas. ### **Desejável** * Experiência trabalhando com ou em torno de **Feature Stores** (Feast, Databricks Feature Store, implementações personalizadas, etc.). * Exposição a **modelos de linguagem de grande porte (LLMs), agentes e assistentes de IA**, especialmente aplicados a: + Produtividade de desenvolvedores (copilotos de código/infraestrutura). + Análise de logs/métricas/incidentes ou geração de documentação. * Experiência em ambientes de **fintech, risco, fraude ou detecção de anomalias**. * Contribuições para **padrões internos, RFCs, runbooks ou palestras técnicas**. O que oferecemos? Além dos benefícios personalizados que temos para cada país, a dLocal ajudará você a prosperar e ir além, oferecendo-lhe:* Flexibilidade: temos horários flexíveis e somos guiados pelo desempenho. * Setor de fintech: trabalhe em um ambiente dinâmico e em constante evolução, com muito a construir e impulsionar sua criatividade. \- Programa de bônus por indicação: nossos talentos internos são os melhores recrutadores \- indique alguém ideal para uma vaga e receba uma recompensa.* Aprendizado e desenvolvimento: tenha acesso a uma assinatura Premium do Coursera. * Aulas de idiomas: oferecemos aulas gratuitas de inglês, espanhol ou português. * Orçamento social: você receberá um orçamento mensal para relaxar com sua equipe (presencialmente ou remotamente) e aprofundar seus laços! * Casas dLocal: quer alugar uma casa para passar uma semana em qualquer lugar do mundo, trabalhando junto com sua equipe? Estamos aqui para apoiá-lo! **Flexibilidade na forma de trabalhar:** Concentramo-nos no impacto e na produtividade, não em horários fixos. Isso significa que nossas equipes têm horários flexíveis e, dependendo do seu cargo e localização, você combinará momentos de foco autogeridos com encontros presenciais em nossos hubs de colaboração. O que acontece após sua candidatura? Nossa equipe de Aquisição de Talentos está comprometida em proporcionar a melhor experiência possível ao candidato, portanto, não se preocupe: certamente entraremos em contato com você. Analisaremos seu currículo e manteremos você informado por e-mail em cada etapa do processo! Além disso, você pode conferir nosso site, LinkedIn e YouTube para saber mais sobre a dLocal! Podemos utilizar ferramentas de inteligência artificial (IA) para apoiar partes do processo seletivo, como análise de candidaturas, avaliação de currículos ou análise de respostas. Essas ferramentas auxiliam nossa equipe de recrutamento, mas não substituem o julgamento humano. As decisões finais de contratação são sempre tomadas por pessoas. Se desejar mais informações sobre como seus dados são processados, entre em contato conosco.
