O que esta vaga pede
MLOps
Azure Machine Learning
MLflow
Azure Databricks
CI/CD
Azure DevOps
Azure Kubernetes Service (AKS)
Ver se você combina
Sobre a Vaga
Na Digiage, você vai atuar em projetos estratégicos para escalar soluções de Inteligência Artificial e Engenharia de Dados com foco em excelência operacional. Como MLOps Engineer, você será responsável por desenhar, implementar e sustentar esteiras automatizadas para produtos de dados e modelos de Machine Learning, atuando como ponte entre Dados, Ciência de Dados e Operações.
Responsabilidades
- Construir e manter pipelines de CI/CD para automação de testes, builds e deploy de artefatos de dados e ML
- Automatizar o ciclo de vida dos modelos, incluindo treinamento, versionamento, validação, implantação e monitoramento em produção
- Implementar esteiras DataOps e MLOps com boas práticas de automação e governança
- Desenvolver pipelines para workloads em Azure Databricks, Azure Data Factory e outros serviços do ecossistema Azure
- Garantir monitoramento, observabilidade e alertas para qualidade de dados, performance de pipelines e disponibilidade dos ambientes
- Acompanhar a performance de modelos em produção, avaliando indicadores como data drift e concept drift
- Atuar junto a Engenheiros de Dados, Cientistas de Dados e times de desenvolvimento para colocar soluções analíticas em produção
- Aplicar práticas de versionamento, segurança, rastreabilidade e governança para dados e modelos
- Contribuir com iniciativas de otimização de performance, escalabilidade e custos em nuvem
Requisitos
- Formação ou experiência sólida em Engenharia de Dados
- Experiência avançada com Azure Databricks e Apache Spark
- Conhecimento no ecossistema Azure: Azure Data Factory, Azure Data Lake Storage Gen2, Azure Synapse Analytics e Azure Key Vault
- Experiência com DataOps e Infraestrutura, incluindo versionamento com Git
- Vivência com Azure DevOps (Azure Repos e Azure Pipelines)
- Construção de pipelines CI/CD para projetos de dados
- Monitoramento com Azure Monitor, Log Analytics ou ferramentas equivalentes
- Experiência com MLflow para rastrear experimentos e versionar modelos
- Conhecimento em Azure Machine Learning para gestão do ciclo de vida de modelos
- Publicação de modelos para inferência em tempo real e processamento em lote
- Familiaridade com Docker, Azure Container Registry (ACR) e Azure Kubernetes Service (AKS)
Beneficios
- Atuação em projetos de grande porte com impacto em soluções de dados e IA
- Ambiente com foco em governança, automação e confiabilidade
- Oportunidade de evolução técnica em práticas de MLOps e DataOps no ecossistema Azure
Título e texto são os da empresa. A candidatura é no site da empresa (br.linkedin.com) — daqui você sai preparado.
Saiba como funciona.