Tech Lead – Engenharia de AI/ML

Job not on LinkedIn

🕒 May 1

Apply Now

Find Similar Remote Jobs

Receive Emails For Remote Jobs

📊 Check your resume score for this job

Improve your chances of getting an interview by checking your resume score before you apply.

Upload Resume

TECSA

WebsiteLinkedInAll Job Openings

11 - 50 employees

Founded 2003

🤝 B2B

🔬 Science

🔧 Hardware

B2B • Science • Hardware

TECSA is a Kyiv-based industrial supplier and solutions provider that equips laboratories and manufacturing plants with filtration systems, filter elements (bag, cartridge, capsule), filter housings, regeneration and solvent-handling equipment, and industrial filtration accessories. The company also distributes laboratory and analytical instruments (IR spectrometers, XRF/XRD, chromatographs, microscopes, incubators, mycotoxin test systems) as well as chemical raw materials and color-matching equipment for paints and coatings. TECSA offers turnkey laboratory and production solutions, technical service and support for industrial and R&D customers.

📋 Description

• 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.

🎯 Requirements

• 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.

🏖️ Benefits

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