Estamos em busca de um(a) Engenheiro de Machine Learning (Pleno/Sênior) - Remoto para integrar nosso time de Inteligência Artificial e Ciência de Dados na Kognit.
Buscamos profissionais apaixonados por inovação e tecnologia, com experiência em Machine Learning, engenharia de dados e MLOps, capazes de desenvolver, implantar e escalar modelos preditivos que gerem valor real para nossos clientes e negócios.
Se você gosta de transformar dados em soluções inteligentes, escaláveis e de alto desempenho, queremos conhecer você.
Principais Responsabilidades:
- Desenvolver modelos tabulares de ML para decisões operacionais: classificação de risco (XGBoost), precificação dinâmica (gradient boosting) e otimização combinatória de atribuições (Google OR-Tools).
- Operar modelos em shadow mode com validação humana (HITL) antes de qualquer automação.
- Construir o pipeline de MLOps: treino no Azure ML, registro no MLflow, deploy de inferência (FastAPI/Docker) na AWS, com promoção por ambiente e rollback.
- Definir métricas e backtesting com point-in-time correctness sobre a Feature Store.
- Implementar monitoramento de drift, retreino automatizado e canary/A-B deployment via CI/CD.
- Servir modelos por APIs de inferência de baixa latência (features online em Redis), com contratos OpenAPI.
Requisitos:
- Formação superior em Ciência de Dados, Ciência da Computação, Estatística, Engenharia, Matemática, Economia ou áreas correlatas.
- Inglês ou espanhol (cliente internacional).
- Python sólido para ML em produção (não só notebooks).
- Modelos tabulares com gradient boosting (XGBoost ou similar) — classificação com classes desbalanceadas, calibração de probabilidade, regressão.
- Avaliação de modelos e backtesting: AUC/Recall/precision, MAPE/MAE/RMSE, validação temporal e point-in-time correctness.
- MLOps: versionamento e registro de modelos (MLflow ou equivalente), pipelines de treino/deploy em CI/CD, promoção por ambiente e rollback.
- Serving de modelos via API (FastAPI ou equivalente) em containers Docker.
- SQL para extração e preparação de dados.
Diferenciais:
- Azure ML e Azure Pipelines; AWS (ECS/EC2, S3, RDS) — ambiente híbrido AWS×Azure.
- Feature Store offline/online (Redis para features de tempo real).
- Monitoramento de drift (Evidently AI ou similar) e canary/A-B deployment.
- Otimização combinatória (Google OR-Tools) e sistemas de ranking/recomendação (Matrix Factorization, Learning-to-Rank).
- ONNX Runtime / TorchScript para otimização de inferência.
- Experiência em contexto regulado: auditabilidade, lineage, retenção de logs de predição (LGPD).
Benefícios:
- Prestador de serviços - PJ (Buscamos parceiros a longo prazo).
- Trabalho Remoto.
- Carga horária 8 horas por dia (168 mensal).
- Banco de horas com fechamento a cada quadrimestre (Pagamento das horas positivas).
- Remuneração variável após 4 meses de contrato.
- Cartão Flexível: oferecemos um valor de alimentação de R$ 700,00 por mês (no cartão Flash).
- Folga remunerada: 7 dias corridos a partir de 1 ano de contrato; 15 dias a partir de 2 anos; 21 dias entre 5 e 7 anos; e 30 dias a partir de 8 anos de contrato.
- Sexta presente (1 dia de folga do Mês do aniversário).
- Parceria com Wellhub.
- Parceria com Open English.
- Parceria com FIAP.
- Parceria com clínicas e serviços de psicologia.
Quer entender como levamos inovação a empresas globais? Visite nosso site e explore nossos cases e soluções digitais.
https://www.kognit.com.br/
