Especialista em Machine Learning Engineering - MLOps | Data Science

<div class="content-intro"><p><strong><span data-contrast="none">Sobre nós</span></strong><span data-contrast="none"> ​</span><span data-ccp-props="{"134233117":true,"134233118":true,"201341983":2,"335559740":300}"> </span></p> <p><span data-contrast="auto">A XP Inc. é uma das maiores instituições financeiras independente do Brasil, dona das marcas XP, Rico, Clear, XP Educação, InfoMoney, entre outras. Com mais de 4,6 milhões de clientes ativos e um valor superior a R$ 1,1 trilhão de ativos sob custódia, há 25 anos vem transformando o mercado financeiro para melhorar a vida das pessoas.</span></p> <p><span data-contrast="auto">Com uma cultura marcante guiada por quatro valores - </span><strong><span data-contrast="auto">Sonho Grande, Espírito Empreendedor, Foco no Cliente e Mente Aberta </span></strong><span data-contrast="auto">- a XP Inc. está sempre em busca dos melhores talentos que tem ambição de fazer o impossível.</span></p> <hr> <p> </p></div><p><img style="display: block; margin-left: auto; margin-right: auto; max-width: 100%;" src="https://prod2-sprcdn-assets.sprinklr.com/50752/e1134643-4234-4f76-a0a7-a1a32525743a-1476004450/Header_Inc._Verde.png" alt="" width="600"></p> <p> </p> <h2>🚀 Sobre a Oportunidade</h2> <p>A área de Data Science tem como missão aplicar técnicas de machine learning para gerar soluções escaláveis, monitorar o desempenho de modelos e automatizar processos, apoiando a tomada de decisão e a otimização de resultados da organização.<br>Buscamos um Especialista em MLOps/ML Engineering para ser o principal responsável pela esteira de MLOps da área e o guardião da qualidade dos modelos em produção. É uma posição de viés técnico e mentoria técnica, na qual você atuará como multiplicador: definindo padrões, destravando gargalos e garantindo que a área de Data Science escale com qualidade e governança.</p> <p data-ccp-props="{"335551550":1,"335551620":1,"335559683":0,"335559685":0,"335559731":0,"335559737":0,"335562764":4,"335562765":19.6,"335562766":4,"335562767":0,"335562768":4,"335562769":0}"><span data-scheme-color="@000000,," data-usefontface="true" data-contrast="none">Saiba mais sobre nosso dia a dia n</span><span data-scheme-color="@000000,," data-usefontface="true" data-contrast="none">o <a href="https://bit.ly/xpincinstagram" target="_blank">Instagram</a> e no <a href="https://www.linkedin.com/company/xpinc/life/porquexpinc/" target="_blank">LinkedIn</a>.</span></p> <p data-ccp-props="{"335551550":1,"335551620":1,"335559683":0,"335559685":0,"335559731":0,"335559737":0,"335562764":4,"335562765":19.6,"335562766":4,"335562767":0,"335562768":4,"335562769":0}">Confira nossas avaliações no <a href="https://bit.ly/xpincglassdoor" target="_blank">Glassdoor</a>.</p> <hr> <h2>🔍 O Que Procuramos</h2> <p><strong>Pré-requisitos Essenciais:</strong></p> <p> </p> <p> </p> <ul> <li>Bacharelado ou mestrado em áreas da Computação, Ciência de Dados ou áreas correlatas.</li> <li>Experiência comprovada com MLOps e Engenharia de Machine Learning.</li> <li>Experiência comprovada na construção de esteiras de MLOps, não apenas no consumo de ferramentas prontas.</li> <li>Experiência sólida com Databricks (Spark, Delta Lake, MLflow, Unity Catalog, Feature Store).</li> <li>Programação em Python e PySpark (SQL como complemento).</li> <li>Experiência com pipelines de dados e ML, incluindo padronização e experimentação de modelos (Airflow, MLflow, etc.).</li> <li>Experiência com feature stores.</li> <li>Experiência com técnicas e ferramentas de explicabilidade de modelos (SHAP, LIME, etc.).</li> <li>Experiência com modelagem estatística (inferência, testes de hipótese, regressão, séries temporais, modelagem probabilística).</li> <li>Experiência com ferramentas de CI/CD (GitHub Actions, GitLab CI, etc.).</li> <li>Experiência prática com Azure.</li> <li>Conhecimento de Docker e Kubernetes (incluindo AKS).</li> <li>Alinhamento à nossa cultura.</li> <li>Residir em São Paulo e ter disponibilidade para regime híbrido (3 dias presenciais por semana).</li> </ul> <p><strong>Diferenciais:</strong></p> <p> </p> <ul> <li>IA Generativa e soluções agênticas (LLMs, RAG, fine-tuning, embeddings, prompt engineering, orquestração multiagente, tool calling, memória), como visão de futuro da área.</li> <li>Azure AI Foundry para desenvolvimento, deploy, avaliação e governança de aplicações de GenAI e agentes.</li> <li>Frameworks de observabilidade/avaliação de LLMs e agentes (LangSmith, Ragas, Arize).</li> <li>Feature stores de mercado (Feast, Tecton) e boas práticas para evitar training-serving skew.</li> <li>IaC / automação (Terraform, Bicep).</li> <li>Padronização e experimentação de modelos com ferramentas adicionais (Kedro, DVC, Metaflow).</li> <li>Streaming de dados (Kafka, Event Hubs).</li> <li>GPUs em Kubernetes, quantização e otimização de inferência de LLMs (ex.: KAITO/AKS).</li> <li>Governança de dados e segurança de modelos.</li> </ul> <hr> <h2>🎯 Desafios e Impacto</h2> <p> </p> <ul> <li>Ser o principal responsável pela esteira de MLOps, conduzindo sua construção, evolução e operação ponta a ponta.</li> <li>Garantir a qualidade dos modelos em produção, atuando como guardião dos padrões de Machine Learning em produção (confiabilidade, testes, documentação e SLAs).</li> <li>Projetar e manter pipelines de dados e ML, do treinamento ao deploy e ao monitoramento em produção, de forma modular, versionada e reprodutível.</li> <li>Habilitar o time de Data Science na adaptação ao padrão da esteira, disseminando boas práticas de engenharia de ML.</li> <li>Mentorar tecnicamente profissionais em formação, por meio de design reviews, pareamento em problemas complexos e elevação do nível técnico do time.</li> <li>Operar a infraestrutura de ML em nuvem, otimizando desempenho, custo e confiabilidade da inferência e do serving de modelos.</li> <li>Atuar como ponte entre as áreas técnicas (Engenharia, Engenharia de Dados, Governança, DevOps, Gestão de Acessos e Arquitetura), antecipando dependências, riscos e bloqueios que impactam Data Science.</li> <li>Colaborar com Data Science, Engenharia de Dados, Produto e Negócio na priorização, no desenho e na entrega das soluções.</li> </ul> <hr> <h2>⏳ Etapas do Processo</h2> <ol> <li> <p><strong>Triagem inicial</strong>: Análise do