Na Smart Consulting, vais integrar projetos inovadores onde dados e inteligência artificial são o motor da decisão. Procuramos um Senior Machine Learning Engineer com forte experiência em Python e foco em construção de sistemas de Machine Learning em produção.
Este papel é maioritariamente focado em MLOps, ML Platform e infraestrutura, com responsabilidade em todo o ciclo de vida dos modelos — desde pipelines de dados até deployment e monitorização.
O foco não será investigação ou desenvolvimento de odelos GenAI de raiz, mas sim operacionalização, escalabilidade e integração de modelos em ambientes produtivos.
Se gostas de construir sistemas robustos de ML end-to-end — vais sentir-te em casa.
Como será o teu dia a dia
* Desenvolver e manter pipelines de dados e Machine Learning end-to-end
* Construir serviços e APIs para disponibilização de modelos
* Trabalhar na operacionalização de modelos (deployment, scaling, monitoring)
* Implementar boas práticas de MLOps (CI/CD para ML, versionamento, tracking)
* Garantir qualidade de código, dados e pipelines (testing, validation)
* Colaborar com Data Scientists para levar modelos da experimentação à produção
* Monitorizar modelos em produção (performance, drift, falhas)
* Resolver problemas em produção e otimizar sistemas existentes
* Participar em decisões de arquitetura e escolha de tecnologias
* Mentorar outros elementos da equipa
O que procuramos
* +5 anos de experiência como Backend Engineer e/ou Machine Learning Engineer
* Experiência sólida em Python (produção)
* Experiência a construir pipelines de ML end-to-end
* Experiência a desenvolver APIs para servir modelos
* Forte conhecimento de ciclo de vida de modelos (training → deployment → monitoring)
* Experiência com SQL e/ou NoSQL
* Experiência com práticas de MLOps
* Experiência com cloud (preferencialmente AWS)
* Experiência com Docker e Kubernetes
* Capacidade de tomar decisões técnicas e liderar iniciativas
* Inglês fluente
Stack Tecnológica
* Linguagens: Python
* ML & Data: Scikit-learn, Pandas (nice to have: TensorFlow, PyTorch)
* MLOps: MLflow, Kubeflow (ou similares)
* Cloud: AWS (SageMaker, S3, serviços de ML)
* Containers & Orquestração: Docker, Kubernetes
* APIs & Services: REST APIs (FastAPI / Flask)
* Data: SQL / NoSQL
* Infraestrutura: (nice to have) Terraform, CloudFormation
* Observabilidade: Monitorização de modelos e pipelines (tools diversas)
O que vais encontrar
* Projetos com forte componente de dados e Machine Learning em produção
* Foco em engenharia, escalabilidade e boas práticas de desenvolvimento
* Ambiente colaborativo com Data Engineers e Data Scientists
* Cultura de decisão técnica e melhoria contínua
* Modelo de trabalho flexível