Responsabilidades e atribuições
A Leega é uma empresa focada no atendimento eficiente e inovador em seus clientes
Isso não poderia ser diferente com o nosso principal combustível: as pessoas!
Nossa cultura é inspiradora e nossos valores estão presentes no dia a dia: ética e transparência, excelência de qualidade, trabalho em equipe, responsabilidade econômica, social e ambiental, relações humanas e credibilidade
Buscamos profissionais inovadores que sejam movidos por desafios e focados em resultados
Se você busca uma empresa dinâmica e parceira e que investe em seus colaboradores através de capacitação constante, a Leega é o lugar para você!>> A LEEGA É PARA TODOS, ficaremos muito felizes em ter você em nosso time
Venha fazer parte da nossa história e da construção do nosso futuro
Cadastre-se agora mesmo em nossas vagas!
- Sobre a oportunidadeVocê é quem conecta o protótipo à produção
- Vai desenhar e construir a engenharia de ML do motor de precificação — o serving de inferência, os pipelines de treino e a engenharia de features — para que modelos complexos rodem em tempo real, com baixa latência, sobre Ray
- Foca na modelagem e no código de ML
- a plataforma e o runtime ficam com o time de MLOps/Plataforma, com quem você trabalha lado a lado
- Seus Desafios Serving de inferência — desenhar o pipeline de modelos encadeados sobre Ray Serve — composição de modelos, baixa latência e estratégias de atualização
- Treino distribuído — construir pipelines de treino (Ray Train/Data), HPO (Ray Tune) e modelos treinados por tenant, com checkpointing resiliente
- Engenharia de features — definir e materializar features no feature store (Feast/Redis), garantindo consistência entre treino e produção
- Otimização e RL — implementar e otimizar os componentes de otimização (programação linear) e de RL offline do pipeline de preço
- Qualidade do modelo — monitorar drift do ponto de vista de modelagem, validar versões e produzir explicabilidade (SHAP) — em parceria com MLOps
- Liderança técnica — atuar como referência, mentorar e definir, com o time, o que é viável e escalável
- Você faz o handoff com os cientistas de dados, recebe dados dos data engineers e entrega ao time de MLOps/Plataforma para deploy e operação
