.
- Desenvolvimento de modelos preditivos e algoritmos de machine learning para resolver problemas complexos de negócio, conduzindo desde a exploração de dados até a validação e interpretação de resultados com foco em impacto mensurável.
- Utilização de Python (Scikit-learn, XGBoost, LightGBM), notebooks (Jupyter, Databricks), ferramentas de experimentação (MLflow) e bibliotecas estatísticas (Statsmodels, SciPy), aplicando técnicas supervisionadas, não supervisionadas e deep learning conforme a necessidade;
- Validação de performance de sistemas RAG, considerando métricas de custo (tokens e latência) e qualidade das respostas, utilizando indicadores como similaridade semântica, BLEU e ROUGE, entre outros.
- Desenvolvimento de pipelines de ingestão de texto em bancos vetoriais, com uso de AWS OpenSearch, bem como na construção de APIs utilizando LangChain e LangGraph, integradas a OpenAI e AWS Bedrock.
- Atuação com serviços de nuvem AWS (como S3, Lambda, Parameter Store e Secret Manager), além de arquiteturas serverless em AWS e Azure, aplicações conteinerizadas em ambiente AWS e uso de Azure Document Intelligence para extração e processamento de documentos.
- Sólida experiência em Python;
- Experiência com modelos de Machine Learning e domínio de bibliotecas de Ciência de Dados, como Scikit-learn, XGBoost e LightGBM;
- Experiência prática com Large Language Models (LLMs) e soluções de IA Generativa, com ênfase em arquiteturas baseadas em agentes, incluindo RAG (Retrieval-Augmented Generation);
- Experiência com Databricks;
- Experiência com os frameworks LangChain e LangGraph;
- Experiência com ferramentas de experimentação (MLflow);
- Experiência com AWS Bedrock;
- Conhecimento em métricas de avaliação de modelos de linguagem, como BLEU e ROUGE, será considerado um diferencial;
- Além da experiência com AWS, é necessário possuir conhecimento em Azure;
Originally posted on