Quem é a Dock?
Há mais de 20 anos, cumprimos a missão de democratizar o acesso a serviços financeiros, tornando experiências financeiras mais simples e acessíveis. Somos um time de pessoas obstinadas, que acreditam na tecnologia e nos serviços como os principais facilitadores para a evolução de nossos clientes e a transformação do papel das finanças. Atuando em 11 localidades pela América Latina, trabalhamos sob o propósito de desmaterializar o universo financeiro para impulsionar a sociedade.
Como é o nosso time de Plataforma de Dados?
Você fará parte de um time focado na construção de pipelines que transformam o nosso data lake em datasets de eventos confiáveis, versionados e sem vazamento temporal . Nossa missão é garantir a fundação de dados para o treinamento, avaliação e serving de modelos de fundação . Sem dado correto no tempo correto, nenhum modelo vale algo, e você será a pessoa responsável por garantir isso .
- E o dia a dia, como será?
- Buscamos por talentos inigualáveis para nos ajudar a espalhar o poder financeiro! Nesta função, você irá:
- Implementar Extração Reprodutível: Construir pipelines a partir do Databricks (Unity Catalog, Delta), aplicando contratos de dados, particionamento e amostragem determinística .
- Construir Históricos Confiáveis: Desenvolver tabelas as-of / point-in-time e snapshots , tratando os dados que só guardam o último valor como risco direto para o treinamento de modelos .
- Trabalhar com Sequências em Escala: Tokenizar e empacotar dados de sequência (Parquet por faixa de tamanho, batching dinâmico) e estruturar dataloaders eficientes para processamento em GPU .
- Garantir a Qualidade e Monitoramento: Vigiar a saúde dos dados de sequência (esquemas, drift, nulos, duplicidade e identidade das entidades) .
- Aplicar Privacidade na Prática: Estruturar pseudonimização, controle de acesso e trilhas de auditoria, alinhados rigorosamente à LGPD e aos requisitos de segurança de pagamentos .
- Construir Serving de Features: Estruturar a camada de inferência ( serving ) de features e embeddings com baixa latência, mantendo logs de chamadas para reconstruir exatamente o que o modelo avaliou em cada d ecisão .
- O que esperamos de você?
- 5+ anos de sólida experiência em Engenharia de Dados ou de Machine Learning .
- Domínio de Spark/PySpark, Delta Lake e SQL avançado, com vivência prévia no ecossistema Databricks .
- Proficiência em Python para produção, incluindo testes e CI voltados a pipelines de dados .
- Experiência consolidada lidando com dados transacionais sensíveis e entendimento prático aprofundado sobre vazamento temporal ( data leakage ) e snapshots .
- Postura rigorosa e questionadora: versionar o dataset junto com o código, escrever contratos de dados antes do pipeline e, principalmente, perguntar primeiro se "esse dado existia na hora da decisão?" .
- É desejável que você tenha:
- Conhecimento em MLflow, Feature Store, Ray e fluxos de dados em streaming .
- Vivência prática com PyTorch DataLoader ou processos de leitura em streaming voltados para treinamento de modelos .
- Experiência nos domínios de pagamentos, transações Pix, cartões de crédito ou adquirência .
- Noções de infraestrutura como código (Terraform) e modelagem voltada a serving de baixa latência .
E quais são os benefícios?
- Auxílio alimentação (mercado & restaurante);
- Plano de saúde e odontológico;
- Hospital digital;
- Suporte psicológico para psicoterapia online;
- Orientação ergonômica;
- Wellhub e Total
Pass;
- Auxílio mensal para despesas remote first;
- Previdência privada após 6 meses de trabalho;
- Licença parental estendida;
- Auxílio creche;
- Auxílio para pais de filhos especiais;
- Plataforma de idiomas;
- Disponibilidade de coworking no Brasil inteiro.
