Proficiência com pandas, numpy, scipy, scikit-learn, statsmodels, tensorflow;Bacharelado em engenharia ou áreas relacionadas;Boa compreensão de computação estatística, processamento paralelo;Experiência com tensorflow avançado distribuído, numpy, numba, cudf, cupy, mpi, joblib;Boa compreensão de gerenciamento de memória e processamento paralelo em python;Boa compreensão de MKL, BLAS, LLVM, Ray.
Criação de perfil e otimização do código de produção;Forte em codificação Python.
Exposição ao trabalho em IDEs como VSC ou PyCharm;Experiência em versionamento de código usando Git, mantendo base de código modularizada para múltiplas implantações;Experiência em trabalho em ambiente ágil;Compreensão básica de qualquer nuvem pública, APIs RESTful e conteinerização;Boa base em estruturas de dados e algoritmos;Forte experiência em versionamento de código usando Git (ou similar), mantendo uma base de código modularizada para várias implantações, automação usando pipelines de CI/CD;Experiência trabalhando em ambiente distribuído/baseado em nuvem;Experiência em arquitetura de microsserviços, design orientado a domínio e construção de serviços RESTful;Experiência em aspectos internos de ambientes de tempo de execução, bibliotecas/dependências complexas, conteinerização de docker;Desafiar o status quo com a mentalidade de um proprietário sobre o que pode quebrar e pensar em consertar proativamente;Assumir total responsabilidade por seus projetos e entende as expectativas de ponta a ponta;Demonstrar liderança de pensamento no trabalho, afirma ideias e influencia a direção geral das soluções;Colaborar com os membros da equipe, compartilhe desinteressadamente e melhore a qualidade do código, modelos, etc;Capacidade de simplificar a comunicação do resultado do seu trabalho para os negócios, criar documentação atraente ou quaisquer artefatos que conectem os negócios às soluções;Inglês avançado/fluente;Espanhol avançado - desejável.Como MLE, você trabalhará na interseção da aplicação de soluções de aprendizado de máquina/aprendizado profundo.
A melhor tecnologia de nuvem e arquitetura de microsserviços.
Uso das melhores práticas de MLOps que incluem serviço de modelo, controle de versão de dados e código;Criação de novos recursos do produto do início ao fim (por exemplo, desenvolver e implantar novos modelos servidos em sistemas de produção).
Você também terá a oportunidade de revisar e influenciar o projeto de engenharia, arquitetura e pilha de tecnologia em vários produtos, fora de seu foco imediato;Construção de código que será implantado na produção, usando padrões de design e estilo de código;Documentação do processo de pensamento e criação de artefato no repositório/wiki da equipe que pode ser usado para compartilhar com negócios e engenharia para aprovação;Revisão da qualidade do código e do design desenvolvido por seus colegas;Melhoria significativa do desempenho e a confiabilidade do nosso código que cria resultados de alta qualidade e reproduzíveis;Desenvolvimento de ferramentas/utilitários internos que melhoram a produtividade de toda a equipe;Colaboração com outros membros da equipe para aprimorar a capacidade da equipe de enviar código de alta qualidade rapidamente;Orientação e treinamento de membros juniores da equipe para aprimorá-los continuamente.