Pular para o conteúdo principal
Novo · MeuHome Match: deixe as vagas acharem você →
MeuHome
Voltar para vagas
NovaFonte oficial🌐 100% RemotaCLT

Machine Learning Engineer Sr

Leega Consultoria·Publicada há cerca de 5 horas

Você vai direto pra vaga — sem criar conta aqui.

Verificada em 20/11/2026 · Clique e candidate-se.

Sobre a vaga

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!

Responsabilidades

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 ML

Ops/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 ML

Ops.

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 ML

Ops/Plataforma para deploy e operação.

Requisitos

Stack & Ferramentas Cloud AWSML serving & treino: Ray (Serve, Train, Tune, Data, RLlib) Registry & features: MLflow, Feast + Redis Otimização: programação linear (Gurobi, HiGHS), RL offline Linguagem & runtime: Python;

Docker; leitura de Iceberg O que Buscamos Essenciais Experiência comprovada colocando modelos de ML em produção.

Experiência prévia na construção de sistemas de precificação ou de previsão de demanda.

Python e fundamentos sólidos de Engenharia de Software (APIs, testes, código limpo).

Serving e otimização de inferência para baixa latência.

Familiaridade com containers (Docker) e com fluxos de ML

Ops (registry, deploy).

Experiência prática com AWS para construir e executar soluções de ML.

Conforto com desenvolvimento assistido por IA (Claude Code).

Feature stores (Feast) e serving de baixa latência com Redis em escala.

Otimização/solvers (Gurobi, HiGHS) ou revenue management em tempo real;

RL offline.

Serving de IA generativa (vLLM, LiteLLM) e arquiteturas multi-tenant.

Experiência prática com Ray em produção (Serve, Train ou Tune).

Benefícios

Trabalho RemotoTempo de Projeto: 6 meses, com possibilidade de extensão/internalização.

Receba vagas remotas como esta no Telegram

Verificadas, direto no seu celular — todo dia, sem cadastro.

Candidatar-se no site oficial