Machine Learning Engineer Sr

Descrição

A Leega é uma empresa focada no atendimento eficiente e inovador em seus clientes. Isso não poderia ser diferente com o nosso principal combustível: as pessoas! Nossa cultura é inspiradora e nossos valores estão presentes no dia a dia: ética e transparência, excelência de qualidade, trabalho em equipe, responsabilidade econômica, social e ambiental, relações humanas e credibilidade. Buscamos profissionais inovadores que sejam movidos por desafios e focados em resultados. Se você busca uma empresa dinâmica e parceira e que investe em seus colaboradores através de capacitação constante, a Leega é o lugar para você! **\>\> A LEEGA É PARA TODOS, ficaremos muito felizes em ter você em nosso time. Venha fazer parte da nossa história e da construção do nosso futuro.** Cadastre\-se agora mesmo em nossas vagas! **Responsabilidades e atribuições** **Sobre a oportunidade** Você é quem conecta o protótipo à produção. Vai desenhar e construir a engenharia de ML do motor de precificação — o serving de inferência, os pipelines de treino e a engenharia de features — para que modelos complexos rodem em tempo real, com baixa latência, sobre Ray. Foca na modelagem e no código de ML; a plataforma e o runtime ficam com o time de MLOps/Plataforma, com quem você trabalha lado a lado. **Seus Desafios** * **Serving de inferência —** desenhar o pipeline de modelos encadeados sobre Ray Serve — composição de modelos, baixa latência e estratégias de atualização. * **Treino distribuído —** construir pipelines de treino (Ray Train/Data), HPO (Ray Tune) e modelos treinados por tenant, com checkpointing resiliente. * **Engenharia de features —** definir e materializar features no feature store (Feast/Redis), garantindo consistência entre treino e produção. * **Otimização e RL —** implementar e otimizar os componentes de otimização (programação linear) e de RL offline do pipeline de preço. * **Qualidade do modelo —** monitorar drift do ponto de vista de modelagem, validar versões e produzir explicabilidade (SHAP) — em parceria com MLOps. * **Liderança técnica —** atuar como referência, mentorar e definir, com o time, o que é viável e escalável. *Você faz o handoff com os cientistas de dados, recebe dados dos data engineers e entrega ao time de MLOps/Plataforma para deploy e operação.* **Requisitos e qualificações** **Stack \& Ferramentas** * **ML serving \& treino:** Ray (Serve, Train, Tune, Data, RLlib) * **Registry \& features:** MLflow, Feast \+ Redis * **Otimização:** programação linear (Gurobi, HiGHS), RL offline * **Linguagem \& runtime:** Python; Docker; leitura de Iceberg **O que Buscamos** **Essenciais** * Experiência comprovada colocando modelos de ML em produção. * Python e fundamentos sólidos de Engenharia de Software (APIs, testes, código limpo). * Serving e otimização de inferência para baixa latência. * Familiaridade com containers (Docker) e com fluxos de MLOps (registry, deploy). * Conforto com desenvolvimento assistido por IA (Claude Code). **Diferenciais** * Ecossistema Ray (Serve, Train, Tune, RLlib) — forte diferencial. * Feature stores (Feast) e serving de baixa latência com Redis em escala. * Otimização/solvers (Gurobi, HiGHS) ou revenue management em tempo real; RL offline. * Serving de IA generativa (vLLM, LiteLLM) e arquiteturas multi\-tenant. **Informações adicionais** * **Trabalho Remoto** * **Tempo de Projeto:** 6 meses, com possibilidade de extensão/internalização. Na Leega, não entregamos apenas linhas de código ou dashboards. Transformamos desafios tecnológicos complexos em impacto real. Com mais de 15 anos de estrada, unimos a profundidade da experiência humana à velocidade da Inteligência Artificial para criar soluções que mudam negócios e, acima de tudo, melhoram a vida das pessoas. Somos uma consultoria de tecnologia, agnóstica e estratégica. Com escritórios no Brasil e na Europa, nosso time de mais de 580 talentos multidisciplinares vive e respira o ecossistema de Data Analytics, Cloud e IA. Dominamos a base, da Governança à Engenharia, para garantir que a tecnologia não seja apenas uma ferramenta, mas uma vantagem competitiva sustentável para os maiores players do mercado.