Estamos em busca de um(a) Machine Learning Engineer para atuar em um cliente do setor financeiro que está acelerando sua jornada em dados e inteligência artificial. Você será responsável por desenhar, treinar, avaliar e colocar em produção modelos de Machine Learning e Deep Learning, trabalhando com grandes volumes de dados, problemas complexos de negócio (risco, crédito, fraude, comportamento, operações) e, cada vez mais, com LLMs e técnicas modernas como RAG e modelos foundation. Esperamos alguém com rigor técnico, visão analítica e capacidade de transformar dados em decisões concretas, conectando pesquisa aplicada, engenharia de software e impacto real no negócio.

O que esperamos de você
- Experiência sólida com Python, bibliotecas de ciência de dados e ML (pandas, NumPy, scikit-learn, PyTorch, TensorFlow ou similares).
- Vivência com modelagem estatística, ML supervisionado e não supervisionado, DL e avaliação de modelos.
- Conhecimento de bancos de dados e SQL, incluindo otimização de consultas e manipulação de grandes volumes de dados.
- Experiência em tratamento e análise de dados complexos (datasets grandes, ruidosos ou de alta dimensionalidade).
- Noções de LLMs e GenAI (uso de APIs, fi ne-tuning, RAG, embeddings, avaliação de saídas).
- Capacidade de formular hipóteses, desenhar experimentos e interpretar resultados com pensamento crítico.
- Familiaridade com ambientes em cloud (AWS, GCP ou Azure) aplicados a dados e ML.
- Inglês avançado para leitura, escrita técnica e eventual interação com stakeholders globais.

Tasks

---

-Desenvolver e evoluir modelos de Machine Learning e Deep Learning para casos de uso como: ○ previsão e modelagem de risco, churn, fraude, inadimplência; ○ segmentação e clustering de clientes e comportamentos; ○ classifi cação, ranking e recomendação.
-Trabalhar com LLMs e GenAI em cenários que exijam RAG, sumarização, classifi cação de texto, análise de documentos e assistentes internos.
- Estruturar pipelines de dados e de treinamento, desde preparação e feature engineering até deployment em produção.
- Implementar rotinas de avaliação, monitoramento e re-treino de modelos (drift, performance, acurácia, fairness).
- Colaborar com times de dados, produto, engenharia e negócio para entender problemas, formatar hipóteses e validar soluções.
- Documentar metodologias, experimentos, resultados e decisões de modelagem de forma clara e auditável.
- Atuar na melhoria contínua de qualidade de dados: consistência, limpeza, enriquecimento e governança.
- Apoiar a definição e implementação de boas práticas de MLOps em parceria com engenharia e plataforma.

Formation Desired

---

Complete College Education:

Formação em instituições de referência (USP, Unicamp, ITA, UFRJ, CBPF, INPE, IME, Poli, UFMG, Insper, etc.) - não é impeditivo ter a graduação em outras instituições.

Language Requirements

---

English: Advanced

Desired Skills

---

Experiência prévia em pesquisa aplicada ou projetos científicos com alto volume de dados (por exemplo: astronomia, física, climatologia, bioinformática, etc.).
-Atuação com LLMs em cenários reais, incluindo RAG, avaliação de qualidade, mitigação de vieses e integração com aplicações.
- Vivência com MLOps (MLfl ow, Kubefl ow, SageMaker, Vertex AI ou ferramentas similares).
- Participação em hackathons, competições de dados (Kaggle, etc.) ou projetos reconhecidos na comunidade de IA/ML.
- Experiência com HPC, processamento de dados em larga escala ou ambientes de supercomputação.
- Formação em instituições de referência (USP, Unicamp, ITA, UFRJ, CBPF, INPE, IME, Poli, UFMG, Insper, etc.).
- Mestrado, doutorado ou pós-graduação em áreas como Física, Matemática, Estatística, Ciência de Dados, Computação, Engenharia ou correlatas, com foco em análise de dados, IA ou ML.
- Publicações científicas, contribuições para projetos open source ou portfólio técnico consistente (GitHub, Google Scholar, etc.).