A Mollie está a recrutar um/a Machine Learning Platform Engineer para integrar a equipa de Machine Learning Platform, inserida no domínio de Data, no Lisbon Hub.
A função é hands-on e envolve o desenvolvimento, manutenção e evolução da plataforma de Machine Learning da Mollie, com trabalho diário em Python e Terraform, em colaboração com equipas distribuídas entre Lisboa e Amesterdão.
Responsabilidades:
- Colaborar com ML Platform Engineers, Machine Learning Scientists e equipas de engenharia para entregar soluções escaláveis de Machine Learning;
- Implementar e operacionalizar modelos de Machine Learning em produção;
- Ajudar a transformar experimentação em impacto real nos produtos da Mollie;
- Melhorar e manter a plataforma cloud de Machine Learning em GCP;
- Escrever código Python e Terraform com qualidade de produção;
- Criar e manter pipelines CI/CD para treino e inferência de modelos de Machine Learning;
- Garantir workflows fiáveis e automatizados entre diferentes ambientes;
- Implementar, gerir e escalar endpoints de model serving em Kubernetes;
- Assegurar inferência de baixa latência e elevada disponibilidade para workloads de produção;
- Apoiar a extensão, desenvolvimento e alojamento de tooling de AI customizado e open-source;
- Promover boas práticas de MLOps, incluindo versionamento de modelos, experiment tracking, validação de dados e retraining automatizado;
- Configurar observabilidade, monitorização e alertas para infraestrutura e modelos implementados;
- Manter e melhorar tooling de AI open-source usado na Mollie, como LiteLLM e LibreChat;
- Apoiar a expansão das capacidades de generative AI da empresa.
Requisitos:
- Mais de 1 ano de experiência na implementação e manutenção de modelos de Machine Learning em produção;
- Bom conhecimento de princípios de MLOps, incluindo experiment tracking, reprodutibilidade, automação de pipelines, versionamento de modelos e monitorização em produção;
- Fortes competências práticas de programação em Python;
- Experiência com bibliotecas comuns de Machine Learning e dados, como scikit-learn, pandas, NumPy, XGBoost, LightGBM e MLflow;
- Familiaridade com uma grande plataforma cloud, preferencialmente GCP;
- Experiência com containerização, nomeadamente Docker;
- Experiência na criação e manutenção de pipelines CI/CD para workflows de Machine Learning;
- Capacidade para alternar entre diferentes contextos e prioridades;
- Forte atenção ao detalhe;
- Capacidade de adaptação a prioridades em mudança.
Será valorizado:
- Familiaridade com Kubernetes e Kubeflow;
- Experiência com ferramentas de infrastructure-as-code, como Terraform;
- Experiência em plataformas de AI, tooling GenAI ou soluções internas para equipas técnicas;
- Interesse em aplicar AI ao desenvolvimento de produtos financeiros.
Oferta:
- Integração na equipa de Machine Learning Platform da Mollie;
- Trabalho a partir do Lisbon Hub, em equipa distribuída entre Lisboa e Amesterdão;
- Ambiente colaborativo com formas de trabalho remotas e híbridas;
- Participação em projetos com impacto em áreas como Risk & Fraud, Payments, Merchant Experience, Financial Services e Go-to-Market;
- Oportunidade de trabalhar em plataformas de Machine Learning e generative AI à escala;
- Feedback regular e avaliações de performance para apoiar o desenvolvimento profissional;
- Revisões salariais justas e transparentes;
- Possibilidade de crescimento interno, mudança de função ou participação em novos projetos;
- Ambiente que valoriza autonomia, aprendizagem contínua e desenvolvimento de carreira.
Sobre a Mollie:
A Mollie desenvolve soluções financeiras e de pagamentos para empresas em toda a Europa, com o objetivo de eliminar burocracia financeira e simplificar processos. A empresa aposta em tecnologia, AI e equipas multidisciplinares para criar produtos que ajudam milhares de negócios a trabalhar de forma mais eficiente.
AI na Mollie:
A AI é uma parte central da forma como a Mollie desenvolve produtos e trabalha no dia a dia. A empresa procura pessoas motivadas para usar AI na criação de soluções mais rápidas, simples e inteligentes para o futuro da área financeira.