Tech Lead — Engenharia de AI/ML

Vaga não está no LinkedIn

🕒 Maio 1

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

TECSA

SiteLinkedInTodas as Vagas

11 - 50 funcionários

Fundada em 2003

🤝 B2B

🔬 Ciência

🔧 Hardware

B2B • Science • Hardware

A TECSA é um fornecedor industrial e provedor de soluções com sede em Kyiv, que equipa laboratórios e plantas de fabricação com sistemas de filtração, elementos filtrantes (bolsa, cartucho, cápsula), carcaças de filtros, equipamentos de regeneração e manuseio de solventes e acessórios de filtração industrial. A empresa também distribui instrumentos laboratoriais e analíticos (espectrômetros IR, XRF/XRD, cromatógrafos, microscópios, incubadoras, sistemas de teste de micotoxinas), bem como matérias-primas químicas e equipamentos de controle de cores para tintas e revestimentos. A TECSA oferece soluções turnkey para laboratórios e produção, serviço técnico e suporte para clientes industriais e de P&D.

Descrição

• Liderar a engenharia de AI/ML da Tecsagroup, garantindo escalabilidade, confiabilidade e impacto de negócio das soluções em produção. • Projetar e evoluir pipelines de Machine Learning integrados à arquitetura de Data Lakehouse. • Construir e operar aplicações baseadas em LLMs, incluindo RAG, embeddings, busca semântica e tool calling. • Desenvolver sistemas inteligentes de recomendação, previsão de churn, LTV e modelos de decisão orientados por dados. • Definir padrões de MLOps, observabilidade, versionamento, monitoramento de drift e estratégias de retraining. • Trabalhar em parceria com Produto para transformar necessidades de negócio em features de AI mensuráveis e operacionalizáveis. • Colaborar diretamente com Engenharia de Dados para garantir consistência, qualidade e eficiência dos pipelines. • Tomar decisões de arquitetura considerando latência, throughput, custo computacional e experiência do usuário. • Estruturar frameworks de avaliação offline e online para validação contínua de modelos em produção. • Liderar boas práticas de governança, reprodutibilidade, documentação técnica e rollback seguro de modelos. • Avaliar continuamente trade-offs entre build vs buy em provedores e plataformas de AI. •Atuar como referência técnica para evolução da cultura de AI Engineering dentro da companhia.

🎯 Requisitos

• Experiência sólida (5+ anos) com AI/ML Engineering em ambientes produtivos. • Histórico comprovado colocando modelos relevantes em produção, incluindo monitoramento, evolução e operação contínua. • Vivência em ambientes orientados a produto, métricas e tomada de decisão baseada em dados. • Domínio avançado de Python aplicado a Machine Learning. • Forte experiência com bibliotecas como numpy, pandas e scikit-learn. • Experiência prática em produção com pelo menos um framework entre PyTorch, TensorFlow ou JAX. • Experiência no ciclo completo de Machine Learning: treinamento reprodutível, model registry, deploy, monitoramento de drift, retraining, observabilidade. • Capacidade de transformar modelos em serviços confiáveis e escaláveis. • Experiência prática construindo produtos com LLMs. • Conhecimento em RAG, embeddings, prompt engineering, tool calling, evaluation frameworks. • Vivência integrando provedores como OpenAI, Anthropic, Vertex AI ou equivalentes. • Experiência em produção com bancos vetoriais como pgvector, Pinecone, Weaviate, Qdrant, Vertex Vector Search. • Conhecimento em indexação vetorial, ANN e abordagens híbridas BM25 + vetor. • Domínio de ferramentas como MLflow, Weights & Biases, Vertex AI Pipelines, Kubeflow. • Experiência com versionamento, experiment tracking e deploy automatizado. • Conhecimento sólido em sistemas de recomendação, classificação, regressão, NLP clássico, learning-to-rank. • Capacidade de avaliar trade-offs entre modelos clássicos e abordagens modernas baseadas em LLMs. • SQL avançado. • Experiência trabalhando diretamente em BigQuery ou plataformas equivalentes. • Capacidade de explorar, validar e operacionalizar dados de forma autônoma. • Experiência com FastAPI, gRPC, Cloud Run, Vertex Endpoints.

🏖️ Benefícios

• Autonomia técnica real • Proximidade com produto • Espaço para influenciar diretamente a evolução da plataforma de AI da empresa