Engenheiro Sênior de IA

🕒 Abril 1

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

Sezzle

SiteLinkedInTodas as Vagas

201 - 500 funcionários

Fundada em 2016

💳 Fintech

👥 B2C

🛍️ Comércio Eletrônico

Fintech • B2C • eCommerce

Sezzle é uma empresa de tecnologia financeira que oferece um serviço de compre agora, pague depois, permitindo que os consumidores comprem produtos e paguem em quatro parcelas sem juros ao longo de seis semanas. O app da Sezzle oferece aos usuários uma alternativa de financiamento flexível aos cartões de crédito tradicionais, possibilitando decisões de aprovação instantâneas sem impactar o score de crédito. A Sezzle faz parceria com diversas marcas líderes, incluindo Amazon, Walmart e Target, para oferecer opções de pagamento no app e na loja. A missão da empresa é empoderar financeiramente os consumidores, proporcionando mais liberdade e controle financeiros. Disponível como aplicativo móvel, com milhões de downloads e altas avaliações dos usuários, a Sezzle trabalha pela acessibilidade e inclusão em sua plataforma.

Descrição

• Supervisionar o design, desenvolvimento e implantação de modelos de machine learning que aprimorem nossa plataforma financeira. • Conduzir a criação de soluções escaláveis de machine learning para recomendações personalizadas no marketplace da Sezzle, detecção de fraude e avaliação de risco de crédito. • Colaborar com uma equipe de engenheiros e cientistas de dados para construir soluções em larga escala e de alta qualidade que resolvam desafios no varejo e no setor fintech. • Projetar e construir infraestrutura escalável de machine learning na AWS, utilizando serviços como AWS SageMaker. • Trabalhar em estreita colaboração com equipes de produto para desenvolver MVPs de recursos orientados por IA, garantindo iterações rápidas e testes de mercado. • Criar e aprimorar sistemas de monitoramento e alertas para modelos de machine learning. • Capacitar diversas áreas a aproveitar modelos de IA/ML, incluindo soluções de IA Generativa, para diferentes casos de uso. • Fornecer expertise na depuração e resolução de problemas relacionados a modelos de machine learning em produção, participando de rodízios de plantão (on-call). • Mentorar membros da equipe por meio de compartilhamento de conhecimento e colaboração.

🎯 Requisitos

• Graduação em Ciência da Computação, Engenharia da Computação, Machine Learning, Estatística, Física ou área técnica relevante, ou experiência prática equivalente. • Pelo menos 6 anos de experiência em engenharia de machine learning, com histórico comprovado de implantação de modelos de ML escaláveis em ambiente de produção. • Expertise aprofundada em uma ou mais das seguintes áreas: machine learning, sistemas de recomendação, reconhecimento de padrões, data mining, inteligência artificial ou áreas técnicas relacionadas. • Histórico comprovado de desenvolvimento de modelos de machine learning desde a concepção até o impacto no negócio, demonstrando capacidade de resolver desafios complexos com soluções inovadoras. • Proficiência em Python é obrigatória; experiência com Golang é um diferencial. • Demonstração de liderança técnica na orientação de equipes, condução de projetos fim a fim e definição da direção técnica para atingir metas de forma eficiente. • Experiência com bancos de dados relacionais, data warehouses e uso de SQL para explorá-los. • Forte familiaridade com serviços de nuvem AWS, especialmente na implantação e gerenciamento de soluções de machine learning e na escalabilidade de forma custo-efetiva. • Conhecimento em Kubernetes, Docker e pipelines de CI/CD para implantação e gerenciamento eficientes de modelos de ML. • Confortável com ferramentas de monitoramento e observabilidade voltadas para modelos de machine learning (por exemplo, Prometheus, Grafana, AWS CloudWatch) e experiência em desenvolver sistemas de recomendação ou aprimorar experiências de usuário por meio de recomendações personalizadas. • Base sólida em frameworks de processamento de dados e pipelines (por exemplo, Apache Spark, Kafka) para lidar com streams de dados em tempo real.