Roku
Clera
Engenheiro(a) de Machine Learning (Nível Pleno)
PythonAWSGCPDockerKubernetes
Tradução automática. Consulte o original.
Sobre a Vaga
Junte-se a uma startup de tecnologia de recrutamento com IA em estágio pré-seed como Engenheiro(a) de Machine Learning. Você construirá e implantará sistemas de machine learning que impulsionam o produto principal, assumindo a responsabilidade desde a definição do problema até o monitoramento em produção. A função trabalha em estreita colaboração com especialistas de produto, engenharia e domínio para entregar modelos úteis e confiáveis.
O Que Você Fará
- Projetar, treinar e avaliar modelos de machine learning para casos de uso em produção.
- Construir pipelines de ML de ponta a ponta, desde o pré-processamento de dados até o serviço e monitoramento de modelos.
- Colaborar com as equipes de produto e engenharia para transformar necessidades de negócios em soluções de ML.
- Depurar e melhorar o desempenho do modelo usando monitoramento em produção e feedback do mundo real.
- Escrever código de fácil manutenção e contribuir para a infraestrutura de ML, ferramentas e revisões de código.
- Compartilhar conhecimento com colegas de equipe e apoiar uma cultura de iteração rápida.
O Que Buscamos
- Pelo menos 3 anos de experiência profissional em machine learning ou engenharia de software, incluindo a construção e implantação de sistemas de ML em produção.
- Um diploma concluído e fortes fundamentos em machine learning, incluindo seleção de modelos, métricas de avaliação, engenharia de features e validação.
- Proficiência em Python e experiência prática com TensorFlow, PyTorch ou scikit-learn.
- Experiência na implementação de pipelines de ML em produção com pré-processamento de dados, serviço de modelos e monitoramento.
- Familiaridade com ferramentas de MLOps e plataformas de nuvem como AWS SageMaker, GCP Vertex AI, Kubernetes ou Docker.
- Experiência na manutenção e otimização de sistemas implantados, e no uso de testes A/B ou outros métodos de experimentação em produção.
- Conforto em trabalhar em um ambiente de produto de rápida evolução, com ambiguidade e prioridades em mudança.
Localização
Esta é uma função presencial baseada em São Francisco, Estados Unidos.
