Arquiteto(a) de Plataforma (Infraestrutura de IA/ML, com foco em GCP)

Vaga não está no LinkedIn

🔥 0 minutos atrás

🌐 Brasil, Argentina, +3 outros países – Remoto

🇧🇷 Brasil – Remoto 🇦🇷 Argentina – Remoto 🇨🇴 Colômbia – Remoto 🇲🇽 México – Remoto 🇵🇪 Peru – Remoto

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

🔙 Engenheiro Backend

👻 Score fantasma 16%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

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

PrideLogic

SiteLinkedInTodas as Vagas

11 - 50 funcionários

A PrideLogic é uma empresa que, no momento, não tem informações detalhadas disponíveis, pois seu site está em construção. Mais detalhes poderão ser fornecidos no futuro, assim que as atualizações estiverem disponíveis em seu site.

Descrição

• Criar e operar infraestrutura de serving de modelos e inferência para inferência em tempo real e em batch em ambientes multi-tenant • Gerenciar latência, throughput, autoscaling e confiabilidade • Ser responsável por todo o ciclo de vida de deployment de ML, incluindo registro de modelos, versionamento, fluxos de promoção, rollouts canary, shadow e A/B, além de rollback • Operar workloads agentic e de LLM em produção, incluindo provedores, gateways, quotas, throttling, guardrails, gerenciamento de prompts e versões e degradação controlada • Criar pipelines reproduzíveis de treinamento, avaliação e deployment como código, com rastreabilidade e reprodutibilidade • Estender padrões de infraestrutura como código com Terraform para sistemas de ML e arquiteturas multi-projeto • Operar GitOps para workloads de ML usando o ArgoCD e fluxos de configuração e promoção • Executar workloads de ML e IA no GKE multi-tenant, gerenciando agendamento de GPUs, posicionamento de workloads, isolamento de tenants e capacidade orientada a custos • Ser responsável pela confiabilidade e observabilidade de ML, incluindo SLOs de inferência, detecção de drift de modelos e dados, monitoramento de regressões, qualidade de alertas, ergonomia de plantões e runbooks • Promover eficiência de custos em ML por meio do dimensionamento adequado de aceleradores, uso de capacidade contratada e Spot VMs e atribuição de custos por tenant e workload • Utilizar ferramentas de coding agentic para estruturar ambientes, gerar e revisar código de IaC e pipelines e acelerar a automação • Identificar proativamente problemas da plataforma e orientar sua evolução

🎯 Requisitos

• Mais de 5 anos de experiência em engenharia de plataformas, SRE, MLOps ou infraestrutura, incluindo experiência relevante operando sistemas de produção em escala • Experiência prática com deployment e operação de workloads de ML ou IA em produção • Sólida base em SRE/DevOps, incluindo responsabilidade pela confiabilidade em produção, SLOs, post-mortems e melhorias mensuráveis • Profundo conhecimento de Terraform, incluindo gerenciamento de estados complexos, módulos reutilizáveis, configurações multi-projeto e fluxos de plan/apply orientados por CI • Forte experiência com GitOps e ArgoCD ou Flux em produção • Conhecimento aprofundado de Kubernetes, incluindo operação de clusters em produção, modos de falha e entendimento do control plane • Experiência em produção com GKE é fortemente desejável • Forte experiência com GCP: redes VPC, Compute Engine, IAM, Cloud Storage e arquitetura de múltiplos projetos e organizações • Experiência prática em produção com BigQuery, incluindo particionamento, clustering, otimização de custo e desempenho de queries e IAM no nível de datasets • Familiaridade com Dataflow, Pub/Sub ou Dataproc • Experiência prática na criação e operação de pipelines de CI/CD, incluindo entendimento das diferenças dos pipelines de ML • Abordagem sênior orientada à automação em primeiro lugar • Uso ativo de ferramentas de coding agentic • Excelente comunicação escrita e verbal • Graduação ou experiência equivalente em TI ou Ciência da Computação, conforme indicado nas perguntas da candidatura • Disponibilidade para trabalhar no fuso horário EST • Experiência desejável com agendamento de GPUs/aceleradores, inferência de LLM em escala, orquestração de ML, registros de modelos, monitoramento de drift, FinOps, infraestrutura de dados, infraestrutura multi-tenant e escalabilidade de startups para ambientes corporativos

🏖️ Benefícios

• Pagamento em USD • Trabalho remoto na América Latina • Horário de trabalho alinhado ao fuso horário EST