789 views1 application

[Neon] – Engenheiro de Machine Learning

Job Expired

#Por que ser uma #Engenheira de Machine Learning na Neon:

  • Existimos para reduzir as desigualdades, mostrando caminhos mais simples e justos. Acreditamos que todos merecem ter um futuro brilhante !
  • Nós conectamos tecnologia a serviços financeiros. Trabalhamos para democratizar e revolucionar o sistema bancário, através de uma solução simples, transparente e gratuita.
  • O time de dados é protagonista desta mudança e participa ativamente na estratégia e direcionamento do negócio, colaborando para o crescimento do negócio, entregando ao usuário uma experiência ainda mais simples 🙂
  • Você integrará a nova estrutura de dados do #Neon e atuará como parceiro/a de negócio e especialista em Engenharia de Machine Learning na squad de crédito e cartões a fim de verificar melhorias nos modelos de negócio do Neon para crédito e cartões, simplificando ainda mais a relação das pessoas com o dinheiro.

#Quem somos:

A #Neon é uma brasileira especializada em abertura e movimentação de contas-correntes digitais por aplicativo, simplificando a experiência das pessoas com o dinheiro.

#por que fazemos o que fazemos todos os dias:

Existimos para reduzir as desigualdades, mostrando caminhos mais simples e justos. Acreditamos que todos merecem ter um futuro brilhante !

#Seu desafio na #Neon:

  • O #Neon está estruturando o seu time de dados, como uma célula estratégica para o negócio, atuando como parceira e especialista nos desafios de cada produto e área do negócio, facilitando  dados nas tomadas de decisão para uma experiência ainda mais simplificada das pessoas com o dinheiro
  • Você atuará como parceiro/a de negócio e especialista em Engenharia de Machine Learning para a squad de crédito e cartões, questionando e otimizando os modelos de Machine Learning para avaliar a sua efetividade para crédito e cartões, a fim de garantir oferecer uma experiência ainda mais simplificada das pessoas com o dinheiro
  • Neste desafio, você terá o espaço para pensar, desenvolver e implementar melhorias (MLOps) em processos, performance das aplicações de ML até a criação e otimização dos modelos de ML, verificando e aprofundando eventuais gaps, variáveis, oportunidades, em situações individuais e específicas, aprimorando a relação entre os produtos/modelos de negócio e as pessoas.

#O que você vai fazer todos os dias:

  • Definir e implementar boas práticas, processos, ferramentas e infraestrutura necessárias para otimizar os pipelines de entregas para a squad de crédito e cartões;
  • Definir e criar pipelines automáticos para criação e otimização de modelos de Machine Learning;
  • Definir e criar processos de Integração e Entrega Contínuas de aplicações de Machine Learning;
  • Definir e implementar soluções e arquiteturas de versionamento e acompanhamento de modelos e features;
  • Interagir com Engenheiros de Dados para utilização e evolução do datalake e feature stores;
  • Aprimorar processos de DataOps e MLOps, impactando positivamente e diariamente a vida de milhões de pessoas.

#Estamos atraindo vivências e experiências em:

  • Mineração e extração de dados em diferentes repositórios
  • Modelagem e abstração de dados aplicadas a diferentes modelos de negócio
  • Contar histórias a diferentes audiências do negócio e/ou projeto, utilizando dados
  • Programação em Python ou outras linguagens, aplicados a grandes volumes de dados, dados em tempo real, dados não estruturados, modelos estatísticos como regressão, otimização, clustering, árvores de decisão
  • Aplicação de Machine Learning aplicado a otimização em problemas de negócios e/ou Engenharia de Dados;
  • Aplicação de conceitos de Ciência de Dados e particularidades do ciclo de vida de Machine Learning;
  • Aplicação de cultura DevOps (infra as a code, micro serviços, CI/CD, git, etc);
  • Cloud providers, de preferência AWS;
  • Aplicação das ferramentas Spark ou Scala junto a linguagens de programação para dados;
  • Proficiência em comunicação verbal e escrita (para aprimoramento do uso de MLOps no time).

#E se você souber também…sua curva de aprendizado será acelerada !

  • Aplicação das ferramentas Sagemaker e/ou Jupyter Hub;
  • Aplicação da ferramenta PySpark;
  • Aplicação da ferramenta Airflow para gestão dos pipelines de dados (ETL);
  • Aplicação dos conceitos de conteinerização, utilizando Kubernetes para otimização de pipelines;
  • Desenvolvimento de arquitetura em microserviços;
  • Aplicação da ferramenta Feature Store;

Mais Detalhes

Deixe o seu pensamento