Engenheiro/a de MLOps (Sénior) | Lousado
Sobre este emprego
A Continental está a recrutar um/a Engenheiro/a de MLOps para integrar o departamento de Soluções Digitais, em Lousado, Vila Nova de Famalicão. A posição oferece um modelo de trabalho flexível e destina-se a profissionais com experiência na implementação e gestão de modelos de Machine Learning em ambientes de produção.
O/A profissional será responsável por desenvolver infraestruturas e pipelines robustos e escaláveis, automatizando a implementação, monitorização e melhoria contínua de modelos de Machine Learning. A função envolve colaboração próxima com Data Scientists, Data Engineers e equipas multidisciplinares internacionais.
A Continental é uma empresa internacional especializada no fabrico de pneus e no desenvolvimento de soluções para uma mobilidade mais segura, inteligente e sustentável. A organização emprega cerca de 95.000 pessoas em 54 países e mercados.
Responsabilidades:
- Desenhar e gerir pipelines de CI/CD para modelos de Machine Learning, desde o desenvolvimento até à produção;
- Desenvolver e manter infraestruturas escaláveis para Machine Learning em plataformas cloud;
- Implementar práticas de infraestrutura como código;
- Automatizar os processos de implementação, monitorização e reversão de modelos;
- Garantir a fiabilidade, reprodutibilidade e escalabilidade das soluções;
- Implementar mecanismos de monitorização e ciclos de feedback para acompanhar o desempenho dos modelos;
- Identificar oportunidades de otimização e melhoria contínua dos modelos em produção;
- Colaborar com Data Scientists e Data Engineers na integração de modelos de Machine Learning;
- Uniformizar processos, ferramentas e fluxos de trabalho de MLOps;
- Contribuir para o desenvolvimento de produtos digitais orientados por Inteligência Artificial;
- Prestar orientação técnica e apoiar profissionais com menor experiência;
- Promover a partilha de conhecimento e a adoção de boas práticas de engenharia e DevOps.
Requisitos:
- Formação superior em Ciências da Computação, Tecnologias da Informação, Engenharia, Matemática ou área relacionada;
- Mais de três anos de experiência profissional como Engenheiro/a de MLOps;
- Conhecimentos sólidos de programação em Python e SQL;
- Experiência com ferramentas de CI/CD e automatização, como GitHub Actions;
- Domínio de tecnologias de contentorização e orquestração, incluindo Docker e Kubernetes;
- Experiência prática na implementação e gestão do ciclo de vida de modelos de Machine Learning;
- Conhecimentos de MLflow, Amazon SageMaker ou ferramentas semelhantes;
- Experiência com plataformas cloud, nomeadamente AWS ou Microsoft Azure;
- Conhecimentos de práticas de infraestrutura como código;
- Compreensão sólida de princípios de engenharia de software e DevOps;
- Experiência com testes, GitOps e padrões de desenho de pipelines de CI/CD;
- Experiência de trabalho com metodologias Agile, como Scrum ou Kanban;
- Bom domínio oral e escrito da língua inglesa.
Será valorizado:
- Experiência com Grafana ou outras ferramentas de monitorização de desempenho;
- Conhecimentos de Airflow para orquestração de fluxos de trabalho;
- Experiência profissional em equipas internacionais;
- Experiência na liderança técnica e acompanhamento de outros profissionais;
- Conhecimentos de soluções digitais aplicadas à mobilidade, gestão de frotas ou indústria automóvel.
Oferta:
- Integração num ambiente de trabalho internacional e tecnologicamente desafiante;
- Modelo de trabalho flexível;
- Participação no desenvolvimento de produtos digitais e soluções de Inteligência Artificial à escala global;
- Forma de trabalho colaborativa e baseada em metodologias Agile;
- Oportunidades contínuas de aprendizagem e desenvolvimento pessoal e profissional;
- Integração numa empresa internacional de referência no setor da mobilidade.
Diversidade e inclusão:
A Continental está comprometida com a criação de um ambiente de trabalho seguro, respeitador e inclusivo, no qual todas as pessoas são valorizadas. A empresa recebe candidaturas de diferentes perfis e percursos profissionais.
