MLOps Engineer (Brasil, remoto)

🕒 Julho 9

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Dell Technologies

SiteLinkedInTodas as Vagas

10.000+ funcionários

Fundada em 1984

🔧 Hardware

🏢 Corporativo

🤝 B2B

🔥 Investimento no último ano

💰 $4.500.000.000 Post-IPO Debt - Dell Technologies em 2025-09

Hardware • Enterprise • B2B

A Dell Technologies é uma empresa multinacional de tecnologia que projeta, fabrica e vende uma ampla gama de produtos de computação e infraestrutura de TI. A Dell é mais conhecida por PCs e laptops para consumidores e empresas, bem como servidores, armazenamento, redes e soluções empresariais, incluindo software e serviços. O texto fornecido parece ser fragmentos de CSS/HTML do site da Dell (cabeçalho, carrinho de compras, ícones), indicando uma presença de e-commerce e web vinculada a ofertas de hardware e soluções empresariais.

Descrição

• Projetar, implementar e gerenciar pipelines robustos de MLOps para implantação, monitoramento e manutenção de modelos de machine learning em ambientes de produção. • Colaborar com equipes multifuncionais, incluindo cientistas de dados, engenheiros de software e profissionais de DevOps, para garantir a integração eficiente de modelos de machine learning aos sistemas e processos existentes. • Aprimorar continuamente processos de CI/CD para automatizar treinamento, avaliação, testes e implantação de modelos de machine learning. • Implementar e manter soluções de monitoramento e observabilidade para acompanhar desempenho dos modelos, qualidade dos dados, confiabilidade dos sistemas e infraestrutura de machine learning. • Identificar, solucionar e resolver problemas relacionados à infraestrutura, pipelines e operações de machine learning, mantendo-se atualizado(a) sobre tendências, tecnologias e melhores práticas de MLOps para contribuir com a evolução das estratégias de deployment de ML.

🎯 Requisitos

• Graduação completa ou superior em Ciência da Computação, Engenharia ou área relacionada; pós-graduação ou grau avançado é um diferencial. • Experiência sólida em MLOps ou áreas correlatas, incluindo implantação e gerenciamento de modelos de machine learning utilizando Kubernetes, Docker e plataformas de orquestração, como Kubernetes e Apache Airflow. • Fortes habilidades de programação em Python, experiência com sistemas de controle de versão (Git) e sólido entendimento de conteinerização, virtualização e princípios de Infrastructure as Code (IaC). • Experiência com ferramentas de monitoramento e logging, como Prometheus e ELK Stack, além de excelentes habilidades de resolução de problemas e atuação em ambientes colaborativos. • Inglês fluente para atuação em um time global. • Experiência com frameworks de machine learning, como TensorFlow e PyTorch, bibliotecas de processamento de dados, como pandas e NumPy, além de conhecimento de melhores práticas de segurança em implantações de ML. • Experiência prévia com pipelines de CI/CD, testes automatizados para modelos de machine learning, plataformas de orquestração e gerenciamento de modelos como MLflow ou Kubeflow, além de conhecimento das ferramentas Financial Force, EPN/PEF, Control Tower, OEP, GPT, DSA, FMPro, Service Now e SSO, e dos serviços Chromebook Enrollment, ReadyStock Order Life Cycle & Management, Connected Services (Shared Connected Configuration, Dedicated Connected Configuration e Connected Provisioning), Logistics Services (Overpack, Multi-Pack, FTL/LTL e Order Consolidation) e First Article/Change Management.

🏖️ Benefícios

• O que você conquistará:• Projetar, implementar e gerenciar pipelines robustos de MLOps para implantação, monitoramento e manutenção de modelos de machine learning em ambientes de produção. • Trabalhar em estreita colaboração com cientistas de dados, engenheiros de software e equipes de DevOps para acelerar a entrega de soluções avançadas de IA generativa e impulsionar a evolução das estratégias de deployment de machine learning da organização.