DecisionPoint | Cortek

28 de out. de 2026

Engenheiro de IA/ML e MLOps (Sênior)

RemotoEstados Unidos

Chicago, Illinois, United States

AWSDockerKubernetes

Tradução automática. Consulte o original.

Visão Geral

A DecisionPoint busca um Engenheiro de IA/ML e MLOps Sênior para construir, implantar, monitorar, manter e governar capacidades de machine learning em produção, dando suporte ao programa USMEPCOM ENLIST.

Esta posição será responsável por manter conjuntos de dados de treinamento, validação e teste; desenvolver pipelines automatizados de implantação de modelos; monitorar modelos implantados; detectar desvios de dados e de modelos; e controlar atualizações em modelos, conjuntos de dados, configurações e serviços de suporte em produção. O engenheiro implementará processos repetíveis, rastreáveis e seguros para promover capacidades de machine learning desde o desenvolvimento até o teste e a produção.

O Engenheiro de IA/ML e MLOps Sênior trabalhará com cientistas de dados, engenheiros de dados, arquitetos de nuvem, desenvolvedores de software, pessoal de cibersegurança, testadores, equipes de operações e proprietários de missão do Governo. O candidato bem-sucedido deve ser capaz de combinar engenharia de machine learning com automação de implantação, monitoramento, controle de versão, planejamento de reversão (rollback) e governança de modelos e dados.

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 licitação de contrato governamental competitiva e ativa.

Operações e gerenciamento do ciclo de vida de Machine learning.

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

Pipelines automatizados de implantação de modelos.

Monitoramento de modelos em produção.

Detecção de desvios de modelos e dados.

Avaliação de modelos e análise de desempenho.

Controle de versão e gerenciamento de configuração.

Planejamento de reversão e recuperação.

Governança de modelos e dados.

Plataformas de ML em nuvem e pipelines de dados seguros.

Testes automatizados e validação de lançamento.

Solução de problemas em produção e resposta a incidentes.

Documentação técnica e comunicação com as partes interessadas.

Colaboração entre equipes de dados, software, nuvem, segurança, testes, missão 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, discutiram ou divulgaram seu próprio salário ou o salário de outro funcionário ou candidato. No entanto, os 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-emprego, será solicitado que você preencha uma candidatura de emprego e documentos de emprego relacionados.

Deveres e Responsabilidades

O Engenheiro de IA/ML e MLOps Sênior irá:

Manter conjuntos de dados de treinamento, validação e teste usados para o desenvolvimento e avaliação de machine learning.

Desenvolver processos repetíveis para ingestão, preparação, transformação, validação, versionamento e promoção controlada de conjuntos de dados.

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

Avaliar conjuntos de dados quanto à qualidade, integridade, consistência, integridade, proveniência e adequação ao propósito pretendido.

Manter a rastreabilidade entre dados de origem, conjuntos de dados transformados, recursos, versões de modelos, resultados de avaliação e implantações em produção.

Construir e manter pipelines automatizados para preparação de dados, treinamento de modelos, avaliação de modelos, empacotamento, implantação, monitoramento e reversão.

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

Automatizar processos de construção, teste, validação, promoção, implantação e recuperação de modelos.

Configurar e manter registros de modelos e repositórios controlados para modelos, conjuntos de dados, código, configurações, dependências e resultados de avaliação.

Implementar testes automatizados de unidade, integração, regressão, qualidade de dados, pipeline e implantação.

Estabelecer procedimentos de avaliação de modelos, medidas de desempenho, limites de validação e critérios de prontidão para lançamento.

Monitorar modelos em produção quanto à precisão, desempenho, disponibilidade, latência, erros, desvio de dados, desvio de conceito e comportamento inesperado.

Configurar alertas, painéis, limites e procedimentos de escalonamento para degradação de modelos, desvios, problemas de qualidade de dados e falhas de pipeline.

Investigar anomalias em modelos de produção, conjuntos de dados, pipelines e implantações.

Coordenar ações corretivas com equipes de dados, aplicativos, infraestrutura, segurança, testes e missão.

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

Manter o controle de versão para código de modelo, lógica de treinamento, scripts de implantação, conjuntos de dados, recursos, configurações e definições de infraestrutura.

Desenvolver e testar procedimentos de reversão para atualizações de modelos, conjuntos de dados, pipelines e configurações.

Dar suporte a pipelines de dados seguros usados para treinamento, avaliação, implantação, monitoramento e análise operacional de modelos.

Manter documentação cobrindo o propósito do modelo, conjuntos de dados, métodos de avaliação, desempenho, limitações, dependências, implantações, mudanças, incidentes e riscos conhecidos.

Dar suporte à auditoria e validação de saídas de modelos para identificar resultados imprecisos, sem suporte ou inesperados.

Ajudar a implementar pontos de verificação de revisão humana e escalonamento para saídas de modelos que possam afetar decisões de missão ou operacionais.

Integrar fluxos de trabalho de MLOps com capacidades de integração contínua, entrega contínua, infraestrutura como código, testes automatizados, monitoramento e gerenciamento de incidentes.

Dar suporte aos requisitos de governança de dados e modelos, incluindo controles de acesso, versionamento, portões de aprovação, rastreabilidade, controle de mudanças e registro de auditoria.

Coordenar com o pessoal de cibersegurança para abordar vulnerabilidades, controles de identidade e acesso, gerenciamento de segredos, dependências de software, criptografia, registro e requisitos de autorização.

Colaborar com equipes de engenharia de dados na ingestão de dados, transformação, metadados, integração de data warehouse, qualidade de dados e acesso governado.

Auxiliar em revisões de arquitetura, revisões de código, revisões de prontidão para lançamento, solução de problemas, transferência operacional e transferência de conhecimento.

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

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

Qualificações

Qualificações Necessárias

Os candidatos devem atender a todos os seguintes requisitos:

Credencial de segurança Secret ativa ou superior.

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

Mínimo de 10 anos de experiência profissional relevante.

Experiência na manutenção de conjuntos de dados de treinamento, validação e teste de machine learning.

Experiência na construção ou manutenção de pipelines automatizados de implantação de machine learning.

Experiência na implantação de modelos de machine learning em ambientes de produção.

Experiência no monitoramento de modelos de produção e serviços de suporte.

Experiência na detecção e resposta a desvios de modelos ou dados.

Experiência no uso de controle de versão para código de modelo, conjuntos de dados, configurações, pipelines ou artefatos de implantação.

Experiência no desenvolvimento e execução de procedimentos de reversão para modelos, conjuntos de dados, pipelines ou configurações de produção.

Experiência no controle de atualizações de modelos e conjuntos de dados por meio de procedimentos documentados de mudança, teste e aprovação.

Experiência na implementação de testes automatizados para modelos de machine learning, pipelines de dados, APIs ou fluxos de trabalho de implantação.

Experiência com serviços de machine learning baseados em nuvem ou ambientes de nuvem de produção.

Compreensão de avaliação de modelos, métricas de validação, monitoramento de produção, governança de modelos e governança de dados.

Capacidade de manter a rastreabilidade entre conjuntos de dados, transformações, versões de modelos, resultados de avaliação, implantações e resultados de produção.

Capacidade de investigar e resolver problemas de modelos, conjuntos de dados, pipelines e implantações.

Compreensão de pipelines de dados seguros, controles de acesso, registro de auditoria, criptografia, gerenciamento de segredos e segurança de dependências.

Capacidade de documentar e comunicar desempenho de modelos, desvios, limitações, 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 adicional em AWS, Microsoft Azure, Google Cloud, Databricks, engenharia de dados ou arquitetura de nuvem.

Experiência no suporte a programas federais ou do Departamento de Defesa.

Experiência na operação de capacidades de machine learning em ambientes seguros, regulamentados ou de missão crítica.

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

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

Experiência com Docker, Kubernetes, infraestrutura como código e padrões de implantação nativos da nuvem.

Experiência na implementação de observabilidade, alertas automatizados, resposta a incidentes e controles de confiabilidade de produção.

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

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

Experiência no suporte a modelos analíticos, IA generativa, fluxos de trabalho de recuperação ou capacidades de IA agentic.

Idiomas

Engenheiro de IA/ML e MLOps (Sênior)

Visão Geral

Habilidades

Nossa Política de Igualdade de Oportunidades de Emprego

Deveres e Responsabilidades

Qualificações

Qualificações Necessárias

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