Como Engenheiro(a) de IA, você terá um papel estratégico atuando em:
-
Levantamento de Requisitos e Visão de Produto: Colaborar com áreas de negócio e stakeholders para mapear oportunidades de automação, traduzindo regras de negócio complexas em lógicas de decisão para agentes de IA e definindo métricas de sucesso (KPIs).
- Desenvolvimento e Orquestração de Agentes: Arquitetar e desenvolver agentes conversacionais avançados e sistemas multi-agentes. Você fará a integração com APIs internas, bancos de dados e sistemas de terceiros utilizando Function Calling / Tools.
- Gestão do Ciclo de Vida do Agente (AgentOps): Liderar práticas de deploy, monitoramento de saúde, latência e manutenção em produção, além de implementar melhorias contínuas baseadas no feedback e logs.
- Excelência em Engenharia e FinOps: Escrever código limpo e escalável (Python, Node.js ou Go), garantir governança/segurança dos dados (ex: anonimização de PII) e otimizar ativamente os custos e o consumo de tokens das APIs do Gemini.
- Ecossistema Google Cloud (GCP): Sólida experiência em arquitetura de soluções no Google Cloud, com foco em computação (Cloud Run, Cloud Functions) e gerenciamento de permissões (IAM).
- Expertise em IA Generativa: Domínio do Vertex AI e uso avançado dos modelos da família Gemini (Pro, Flash, Ultra) em suas capacidades de texto, raciocínio e multimodalidade.
- Orquestração e Frameworks: Experiência prática com Vertex AI Agent Builder, LangChain, LlamaIndex ou na construção de orquestradores nativos/customizados.
- Engenharia de Prompt Avançada: Habilidade em técnicas de prompt estruturado (Few-shot, Chain-of-Thought, Tree of Thoughts, ReAct) e mitigação de alucinações e jailbreaks.
- Arquiteturas de Busca e Contexto (RAG): Conhecimento profundo em Retrieval-Augmented Generation, incluindo chunking, embeddings, busca semântica/híbrida e uso de Bancos de Dados Vetoriais (ex: Vertex AI Vector Search, Pinecone, Milvus).
- DevOps e MLOps para IA: Vivência com esteiras de CI/CD para aplicações de IA, versionamento de prompts e monitoramento de performance.
Diferenciais
- Certificações Google Cloud: Possuir certificações oficiais e ativas (ex: Professional Machine Learning Engineer, Professional Cloud Architect ou Cloud Digital Leader).
- Avaliação Automatizada (LLM Evaluation): Experiência com frameworks de avaliação (como RAGAS, TruLens) para medir precisão, relevância e toxicidade.
- Ajuste Fino de Modelos: Experiência com Fine-Tuning (SFT) ou PEFT (LoRA) para modelos fundacionais no Vertex AI.
- Canais de Comunicação: Integração de agentes em plataformas de mensageria (WhatsApp, Slack, Microsoft Teams, etc.).
- Machine Learning Clássico: Base sólida em aprendizado de máquina tradicional e ciência de dados.
Se identificou com essa oportunidade? Então inscreva-se e #VemPraSauter
