Nosso cliente é uma boutique de consultoria em dados e IA que transforma desafios estratégicos em impacto real. Atuam com médias e grandes empresas, criando soluções de Machine Learning e Inteligência Artificial que geram milhões em valor para o negócio. O diferencial está em unir profundidade técnica com visão de negócio, ajudando executivos a tomarem decisões mais inteligentes e escaláveis.
A posição
Você será responsável por desenhar, implementar e otimizar pipelines de dados (batch e streaming) que alimentam nossas soluções de IA, modelos de machine learning e análises avançadas. Vai atuar lado a lado com cientistas de dados, engenheiros de software e especialistas de negócio, garantindo que dados brutos se transformem em insights acionáveis e resultados para nossos clientes.
Responsabilidades
- Criar e manter pipelines de ingestão, transformação e disponibilização de dados (batch e streaming).
- Integrar múltiplas fontes de dados (estruturadas e não estruturadas, internas e externas).
- Modelar dados de forma escalável e orientada à análise.
- Garantir qualidade, consistência e governança dos dados.
- Disponibilizar datasets e features para modelos de ML.
- Documentar e versionar pipelines com boas práticas de engenharia.
- Apoiar o time no uso de ferramentas modernas de orquestração, armazenamento e processamento distribuído.
Requisitos
- Formação em Ciência da Computação, Engenharia, Sistemas de Informação ou experiência equivalente.
- 5+ anos de experiência em Engenharia de Dados ou funções semelhantes.
- Domínio em Python e SQL para manipulação e modelagem de dados.
- Experiência com Apache Airflow, N8N ou similares.
- Conhecimento de bancos SQL (PostgreSQL, MySQL) e NoSQL (MongoDB, Redis).
- Vivência em nuvem (AWS, Azure ou GCP) e processamento distribuído (Spark, Databricks).
- Conhecimento sólido em C# e experiência prática em aplicações dessa stack.
- Boa comunicação, autonomia e foco em entrega.
Diferenciais
- Conhecimento em React, TypeScript e Node.js para colaboração com times de produto.
- Experiência com DevOps (Docker, CI/CD, Terraform, monitoramento).
- Vivência em MLOps e implantação de modelos de ML em produção.
- Conhecimento em segurança, versionamento e arquitetura de dados corporativos.
- Interesse genuíno por IA aplicada a negócios.