Senior AI Engineer

Vaga não está no LinkedIn

🕒 Outubro 24, 2025

🚗 Michigan – Remoto

🚗 Michigan – Remote

💵 $1.500.000 / ano

⏰ Tempo Integral

🟠 Sênior

🤖 Engenheiro de IA

Candidatar-se

Encontrar Vagas Remotas Similares

Receber Emails de Vagas Remotas

📊 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

SkillTude Talent Solutions

SiteLinkedInTodas as Vagas

1 - 10 funcionários

Fundada em 2017

🎯 Recrutamento

👥 RH Tech

☁️ SaaS

Recruitment • HR Tech • SaaS

SkillTude Talent Solutions é uma plataforma de recrutamento impulsionada por inteligência artificial que conecta talentos excepcionais de tecnologia a empresas inovadoras através de correspondências baseadas em aprendizado de máquina, otimização de ATS e fluxos de trabalho de contratação automatizados. Oferece serviços de recrutamento completos, incluindo análise gratuita de currículo profissional, experiências personalizadas para candidatos e contratações especializadas em 16 setores de tecnologia, atendendo clientes desde startups até grandes empresas.

Descrição

• Design and implement scalable AI/ML models for banking applications (e.g., fraud detection, credit scoring, customer segmentation). • Deploy and manage models in production using Azure ML and AWS SageMaker. • Collaborate with data scientists, software engineers, and DevOps teams to operationalize ML workflows. • Build and maintain CI/CD pipelines for ML model deployment and monitoring. • Ensure compliance with data governance, security, and regulatory standards. • Optimize model performance and resource usage in cloud environments. • Document processes, models, and deployment strategies for internal knowledge sharing.

🎯 Requisitos

• 5+ years of experience • Strong Python skills, including libraries like Pandas, NumPy, Scikit-learn, TensorFlow or PyTorch. • Hands-on experience with Azure ML, AWS SageMaker, and cloud-native services (e.g., Lambda, EC2, S3, Azure Functions). • Familiarity with ML lifecycle tools (MLflow, Kubeflow, Airflow), containerization (Docker), and orchestration (Kubernetes). • Experience deploying models as REST APIs or batch jobs in production environments. • Git, GitHub Actions, Azure DevOps, or AWS CodePipeline. • Tools like Prometheus, Grafana, or cloud-native monitoring solutions. • Experience in the banking or financial services domain. • Knowledge of data privacy regulations (e.g., GDPR, PSD2).