Engenheiro(a) de Cloud & IA (MLOps)

Vaga não está no LinkedIn

🕒 Fevereiro 27

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

Grupo GBI

SiteLinkedInTodas as Vagas

11 - 50 funcionários

🤝 B2B

📚 Educação

B2B • Education

O Grupo GBI é uma organizadora global de eventos e conferências, especializada na coordenação e desenvolvimento de congressos de alto nível e encontros executivos multissetoriais em toda a América Latina. A empresa seleciona palestrantes especialistas e oferece eventos presenciais de alta qualidade—frequentemente em locais de luxo—projetados para facilitar o networking, benchmarking e aprendizado profissional para executivos seniores e clientes corporativos. O Grupo GBI enfatiza padrões éticos, profissionalismo e serviços personalizados de produção de eventos para públicos B2B.

Descrição

• Projetar, implementar e manter ambientes em nuvem capazes de suportar cargas de trabalho de IA de forma escalável e resiliente. • Desenvolver e manter pipelines de integração e entrega contínua para treinamento, versionamento e deploy de modelos e aplicações. • Atuar diretamente no desenvolvimento e integração de soluções baseadas em Inteligência Artificial ao ecossistema da empresa. • Estruturar pipelines de dados que assegurem qualidade, disponibilidade e governança das informações utilizadas pelos modelos. • Converter demandas complexas em arquiteturas funcionais, observando boas práticas de segurança, performance e custo.

🎯 Requisitos

• Formação em Engenharia (Software, Computação, Dados ou áreas correlatas) ou experiência profissional equivalente. • Experiência sólida com pelo menos um grande provedor de nuvem (AWS, Azure ou GCP), com entendimento conceitual que permita atuação em ambientes multi-cloud. • Experiência com frameworks de IA e/ou LLMs, integração via APIs e deploy de modelos em produção. • Vivência prática com Docker, Kubernetes e ferramentas de Infraestrutura como Código (Terraform, Ansible ou similares). • Proficiência em Python (obrigatório) e conhecimento de arquiteturas baseadas em microsserviços.