DecisionPoint | Cortek

28 de out. de 2026

Engenheiro de IA/ML e MLOps (Especialista)

RemotoEstados Unidos

Chicago, Illinois, United States

AWSKubernetes

Tradução automática. Consulte o original.

Visão Geral

A DecisionPoint busca um Engenheiro de IA/ML e MLOps para liderar a arquitetura, implantação, monitoramento, automação e governança de recursos de machine learning em produção que dão suporte ao programa ENLIST do USMEPCOM.

Esta posição de nível especialista manterá conjuntos de dados de treinamento, validação e teste; projetará e operará arquiteturas de ML em produção; automatizará a implantação de modelos; monitorará o desempenho e o desvio (drift) dos modelos; e controlará atualizações de modelos, conjuntos de dados, pipelines e configurações de suporte. O engenheiro estabelecerá processos reprodutíveis, rastreáveis e seguros para mover recursos de machine learning do desenvolvimento através da validação até a produção.

O Engenheiro de IA/ML e MLOps trabalhará em estreita colaboração com proprietários de missão, cientistas de dados, engenheiros de dados, arquitetos de nuvem, desenvolvedores de software, pessoal de cibersegurança, testadores e equipes de operações. O candidato bem-sucedido deve combinar conhecimento avançado em engenharia de machine learning com experiência em automação de produção, arquitetura de nuvem segura, governança de dados e monitoramento operacional.

Esta posição é remota, com preferência para candidatos da região de Chicago.

Habilidades

Nota: Ao se candidatar a esta posição, você reconhece e consente que seu currículo seja incluído em uma proposta competitiva de contrato governamental.

Arquitetura de machine learning em produção.

Engenharia de MLOps e automação do ciclo de vida.

Implantação e disponibilização de modelos.

Gestão de conjuntos de dados de treinamento, validação e teste.

Avaliação de modelos e medição de desempenho.

Monitoramento de desvio de modelos e dados.

Governança de modelos, dados e configurações.

Pipelines de testes e implantação automatizados.

Plataformas de ML em nuvem e pipelines de dados seguros.

Controle de versão, rastreabilidade e documentação de auditoria.

Monitoramento de produção e solução de problemas de incidentes.

Implementação de cibersegurança e controle de acesso.

Liderança técnica e comunicação de arquitetura.

Colaboração multifuncional com equipes de missão, dados, software, nuvem, segurança, testes e operações.

Nossa Política de Igualdade de Oportunidades de Emprego

Política de EEO e Ação Afirmativa: A DecisionPoint Corporation é um empregador de Igualdade de Oportunidades de Emprego e Ação Afirmativa. É política da DecisionPoint Corporation fornecer igualdade de oportunidades de emprego de acordo com todas as leis, diretrizes e regulamentos aplicáveis de Igualdade de Oportunidades de Emprego/Ação Afirmativa a todos os funcionários e candidatos qualificados, sem distinção de raça, etnia, cor, religião, origem nacional, sexo, idade, status de deficiência, gravidez, orientação sexual, identidade de gênero, informações genéticas, status de veterano protegido ou qualquer outro status protegido pelas leis Federais, Estaduais ou Locais.

Política de Transparência Salarial: De acordo com a Ordem Executiva Presidencial 13665, a DecisionPoint Corporation não demitirá ou de qualquer outra forma discriminará funcionários ou candidatos porque eles perguntaram sobre, discutiram ou divulgaram seu próprio salário ou o salário de outro funcionário ou candidato. No entanto, funcionários que têm acesso às informações de remuneração de outros funcionários ou candidatos como parte de suas funções essenciais não podem divulgar o salário de outros funcionários ou candidatos a indivíduos que não tenham acesso a informações de remuneração, a menos que a divulgação seja (a) em resposta a uma reclamação ou acusação formal, (b) em prol de uma investigação, processo, audiência ou ação, incluindo uma investigação conduzida pelo empregador, ou (c) consistente com o dever legal do contratante de fornecer informações.

Autorização para Compartilhar Currículo e Informações Pessoais: Ao expressar seu interesse e enviar seu currículo para esta posição, você autoriza a DecisionPoint Corporation a compartilhar seu currículo, bem como as informações pessoais incluídas no currículo, com suas subsidiárias, afiliadas e parceiros de equipe com o objetivo de considerá-lo para esta posição e outras posições disponíveis que exijam habilidades, educação e experiência comparáveis. Caso a DecisionPoint Corporation ou suas afiliadas e parceiros de equipe desejem iniciar discussões pré-contratuais, será solicitado que você preencha uma candidatura de emprego e documentos de emprego relacionados.

Deveres e Responsabilidades

O Engenheiro de IA/ML e MLOps irá:

Liderar o projeto e a implementação de arquiteturas de machine learning em produção seguras, escaláveis e sustentáveis.

Desenvolver, manter e governar conjuntos de dados de treinamento, validação e teste usados para o desenvolvimento e avaliação de modelos.

Estabelecer processos repetíveis para ingestão, preparação, transformação, rotulagem, validação, versionamento e aprovação de conjuntos de dados.

Garantir que os conjuntos de dados sejam mantidos ou transformados em formatos prontos para análise e prontos para modelos.

Implementar controles para qualidade, integridade, procedência, linhagem, segurança e uso autorizado de conjuntos de dados.

Projetar e automatizar pipelines de ML de ponta a ponta, abrangendo preparação de dados, treinamento, avaliação, empacotamento, implantação, monitoramento, retreinamento e desativação.

Implantar modelos de machine learning em ambientes de nuvem, aplicativos, analíticos e operacionais aprovados.

Estabelecer procedimentos automatizados de construção, teste, validação, promoção, implantação, reversão (rollback) e recuperação de modelos.

Implementar registros de modelos e repositórios controlados para artefatos de modelos, versões de conjuntos de dados, código, configurações, dependências, resultados de avaliação e aprovações.

Desenvolver testes automatizados para pipelines de modelos, transformações de dados, interfaces, pacotes de implantação e comportamento em produção.

Definir estruturas de avaliação de modelos, limites de desempenho, critérios de validação e requisitos de prontidão para lançamento.

Avaliar a precisão, confiabilidade, robustez, desempenho, escalabilidade, segurança e alinhamento dos modelos com os requisitos de missão documentados.

Implementar monitoramento de produção para desempenho de modelos, desvio de dados, desvio de conceito, qualidade de inferência, latência, disponibilidade, erros e utilização de recursos.

Estabelecer limites, alertas, caminhos de escalonamento e procedimentos de resposta para degradação de modelos, desvios, problemas de qualidade de dados e falhas operacionais.

Investigar anomalias em modelos e pipelines e coordenar ações corretivas com as equipes de dados, aplicativos, infraestrutura, segurança e missão.

Controlar atualizações de modelos em produção, conjuntos de dados, recursos, pipelines, configurações e dependências por meio de processos documentados de revisão e aprovação.

Manter a rastreabilidade entre conjuntos de dados de origem, transformações de dados, versões de modelos, resultados de avaliação, registros de implantação e resultados de produção.

Desenvolver procedimentos de reversão e recuperação para modelos, conjuntos de dados, pipelines e serviços de suporte.

Dar suporte a pipelines de dados seguros usados para desenvolvimento de IA, avaliação de modelos, implantação, monitoramento e suporte a decisões operacionais.

Implementar controles técnicos que suportem a governança de modelos e dados, incluindo controle de versão, separação de ambientes, portões de aprovação, auditabilidade e gestão de mudanças.

Manter documentação pronta para auditoria cobrindo o propósito do modelo, dados de treinamento, métodos de avaliação, limitações, dependências, aprovações, mudanças, desempenho e riscos conhecidos.

Apoiar a avaliação e auditoria de resultados de modelos para identificar resultados imprecisos, sem suporte ou inesperados.

Ajudar a estabelecer pontos de verificação de revisão humana e procedimentos de escalonamento para resultados de modelos que possam afetar materialmente as decisões de missão ou operacionais.

Apoiar a conformidade com os requisitos aplicáveis do Governo sobre manuseio de dados, segurança em nuvem, cibersegurança e risco operacional.

Integrar fluxos de trabalho de desenvolvimento e implantação de modelos com integração contínua, entrega contínua, testes automatizados, infraestrutura como código, monitoramento e recursos de gestão de incidentes.

Parceirar com equipes de cibersegurança para abordar vulnerabilidades, controles de acesso, gestão de segredos, dependências de software, registro de logs, criptografia e requisitos de autorização.

Coordenar com equipes de data warehouse e engenharia de dados sobre modelos de dados, metadados, processos de Extração-Transformação-Carga (ETL), qualidade de dados e acesso governado.

Fornecer liderança técnica, orientação de arquitetura, revisões de código e design, suporte à solução de problemas e transferência de conhecimento.

Preparar diagramas de arquitetura, documentação do ciclo de vida do modelo, procedimentos de implantação, planos de monitoramento, resultados de testes, guias operacionais e relatórios técnicos.

Comunicar o desempenho do modelo, desvios, riscos, incidentes, ações corretivas e status de implantação para equipes técnicas, partes interessadas do Governo e liderança do programa.

Qualificações

Qualificações Obrigatórias

Os candidatos devem atender a todos os seguintes requisitos:

Credencial de segurança Secret ativa ou superior.

Bacharelado em ciência da computação, ciência de dados, matemática, engenharia ou área relacionada, ou um equivalente permitido.

Mínimo de 12 anos de experiência profissional relevante.

Experiência liderando a arquitetura de sistemas de machine learning em produção.

Experiência projetando e operando ambientes de ML ou MLOps em produção.

Experiência desenvolvendo e mantendo conjuntos de dados de treinamento, validação e teste.

Experiência estabelecendo métodos de avaliação de modelos, medidas de desempenho, critérios de validação e limites de aceitação.

Experiência implantando modelos de machine learning em ambientes de produção.

Experiência automatizando processos de construção, teste, implantação, promoção, reversão ou retreinamento de modelos.

Experiência implementando monitoramento de desvio de modelos e dados.

Experiência com governança de modelos e governança de dados.

Experiência controlando atualizações de modelos, conjuntos de dados, pipelines e configurações.

Experiência com plataformas de machine learning baseadas em nuvem ou arquiteturas de nuvem em produção.

Experiência implementando versionamento de modelos, conjuntos de dados, código, artefatos e configurações.

Experiência construindo ou integrando recursos de testes automatizados, integração contínua e entrega contínua para sistemas de machine learning.

Experiência monitorando o desempenho, a confiabilidade e a saúde operacional de modelos em produção.

Compreensão de pipelines de dados seguros, controles de acesso, registro de auditoria, criptografia, gestão de segredos e segurança da cadeia de suprimentos de software.

Capacidade de estabelecer rastreabilidade entre conjuntos de dados, transformações, versões de modelos, resultados de avaliação, implantações e resultados operacionais.

Capacidade de documentar e comunicar limitações de modelos, desempenho, desvios, riscos, incidentes e ações corretivas.

Certificação CompTIA Security+ CE ou outra certificação IAT Nível II aprovada.

Qualificações Preferenciais

As seguintes qualificações são preferenciais, mas não obrigatórias:

Certificação AWS Certified Machine Learning Engineer - Associate ou uma certificação de plataforma de machine learning comparável.

Certificação avançada em arquitetura de nuvem ou engenharia de dados em AWS, Microsoft Azure, Google Cloud, Databricks ou comparável.

Experiência dando suporte a programas federais ou do Departamento de Defesa.

Experiência operando recursos de machine learning em ambientes regulamentados, controlados ou de missão crítica.

Experiência com MLflow, Amazon SageMaker, Azure Machine Learning, Google Vertex AI, Databricks, Kubeflow ou plataformas comparáveis.

Experiência com conteinerização, Kubernetes, infraestrutura como código e padrões de implantação nativos em nuvem.

Experiência implementando feature stores, registros de modelos, repositórios de metadados, rastreamento de experimentos ou ferramentas de linhagem de dados.

Experiência com plataformas de observabilidade, alertas automatizados, resposta a incidentes e engenharia de confiabilidade de produção.

Familiaridade com IA responsável, explicabilidade, validação de resultados, supervisão humana, avaliação de viés e práticas de gestão de risco de modelos.

Familiaridade com o Nível de Impacto 4 do DoD ou requisitos governamentais comparáveis de nuvem e proteção de dados.

Experiência com modelos analíticos, IA generativa, fluxos de trabalho de recuperação ou sistemas de IA agentica.

Experiência liderando equipes técnicas, revisões de arquitetura ou iniciativas multifuncionais de entrega de ML.

Idiomas

Engenheiro de IA/ML e MLOps (Especialista)

Visão Geral

Habilidades

Nossa Política de Igualdade de Oportunidades de Emprego

Deveres e Responsabilidades

Qualificações

Qualificações Obrigatórias

Qualificações Preferenciais

Continue explorando

Seu próximo empregojá está te procurando.

Mais oportunidades com um só perfil

Especialista de Suporte de TI

Engenheiro Sênior de Windows

Administrador de Sistemas