Brasilien
Pentera
XP Inc.
Spezialist für Machine Learning Engineering - MLOps | Data Science
Brasilien
São Paulo, São Paulo, Brazil
PythonSQLDockerKubernetesTerraform
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Über uns
Die XP Inc. ist eines der größten unabhängigen Finanzinstitute Brasiliens, Eigentümer der Marken XP, Rico, Clear, XP Educação, InfoMoney und anderer. Mit über 4,6 Millionen aktiven Kunden und einem Wert von über R$ 1,1 Billionen an verwahrten Vermögenswerten hat sie seit 25 Jahren den Finanzmarkt verändert, um das Leben der Menschen zu verbessern.
Mit einer ausgeprägten Kultur, die von vier Werten geleitet wird – Groß träumen, Unternehmergeist, Kundenorientierung und Offenheit – ist die XP Inc. stets auf der Suche nach den besten Talenten, die den Ehrgeiz haben, das Unmögliche zu erreichen.
🚀 Über die Gelegenheit
Die Abteilung Data Science hat die Aufgabe, machine learning-Techniken anzuwenden, um skalierbare Lösungen zu generieren, die Leistung von Modellen zu überwachen und Prozesse zu automatisieren, um die Entscheidungsfindung und die Optimierung der Ergebnisse der Organisation zu unterstützen.
Wir suchen einen Spezialisten für MLOps/ML Engineering, der die Hauptverantwortung für die MLOps-Pipeline der Abteilung und die Qualitätssicherung der Modelle in der Produktion trägt. Dies ist eine Position mit technischem Fokus und technischer Mentorschaft, in der Sie als Multiplikator fungieren: Standards definieren, Engpässe beseitigen und sicherstellen, dass die Data-Science-Abteilung qualitativ und mit Governance skaliert.
⏳ Prozessschritte
Erfahren Sie mehr über unseren Alltag auf Instagram und LinkedIn.
Sehen Sie sich unsere Bewertungen auf Glassdoor an.
- Erste Vorauswahl: Analyse des Lebenslaufs zur Überprüfung der Eignung für die Qualifikationen und Anforderungen der Stelle.
- Allgemeine Tests: Bewertung der kulturellen Übereinstimmung mit dem Mindsight-Test und dem logischen Denktest von Predictive Index.
- Interview mit dem Recruiting-Team: Diskussion über die Erwartungen an die Stelle und berufliche Ziele.
- Technische Bewertung: Interview mit Fokus auf die für die Funktion erforderlichen spezifischen Fähigkeiten.
- Interview mit der Führungskraft: Ein Gespräch zur Erörterung Ihrer Vision und wie Sie zum Team und zum Unternehmen beitragen können.
- Interview mit Kollegen: Interaktion mit zukünftigen Kollegen zur Bewertung von Synergie und Teamarbeit.
- Kultur-Interview: Erforschung der Werte und Prinzipien des Unternehmens, um eine gute kulturelle Passung zu gewährleisten.
- Angebot: Präsentation des Arbeitsangebots, einschließlich Details zu Vergütung und Leistungen.
Flexibles Präsenz-Arbeitsmodell
Unser Arbeitsmodell variiert je nach Funktion und kann für Geschäftsbereiche vollständig vor Ort und für andere Teams flexibler sein.
Wir verfolgen ein Modell mit häufigerer Präsenz, aber immer geleitet von Flexibilität und Autonomie mit der Verantwortung unserer unternehmerischen Kultur.
Hier bei XP Inc. schätzen wir persönliche Interaktionen und glauben an die Nutzung des Büros als Werkzeug zur Steigerung unserer Arbeitsbeziehungen.
*Mit der Fortsetzung der Bewerbung erklären Sie, dass Sie die Datenschutzrichtlinie der XP Inc.-Gruppe und ihrer Lieferanten und Partner, die bei der Durchführung des Auswahlverfahrens unterstützen, gelesen, verstanden und zugestimmt haben. Die XP Inc.-Gruppe kann Lösungen der künstlichen Intelligenz nutzen, um das Recruiting-Team während des Prozesses zu unterstützen, was die Verarbeitung Ihrer persönlichen Daten zu diesem Zweck gemäß den Grundsätzen des Allgemeinen Datenschutzgesetzes und der Datenschutzrichtlinie der XP Inc.-Gruppe beinhalten kann.
🔍 Was wir suchen
Wesentliche Voraussetzungen
- Bachelor- oder Masterabschluss in Informatik, Data Science oder verwandten Bereichen.
- Nachgewiesene Erfahrung mit MLOps und Machine Learning Engineering.
- Nachgewiesene Erfahrung im Aufbau von MLOps-Pipelines, nicht nur im Konsum fertiger Tools.
- Solide Erfahrung mit Databricks (Spark, Delta Lake, MLflow, Unity Catalog, Feature Store).
- Programmierung in Python und PySpark (SQL als Ergänzung).
- Erfahrung mit Daten- und ML-Pipelines, einschließlich Standardisierung und Modell-Experimentation (Airflow, MLflow usw.).
- Erfahrung mit Feature Stores.
- Erfahrung mit Techniken und Tools zur Modell-Erklärbarkeit (SHAP, LIME usw.).
- Erfahrung mit statistischer Modellierung (Inferenz, Hypothesentests, Regression, Zeitreihen, probabilistische Modellierung).
- Erfahrung mit CI/CD-Tools (GitHub Actions, GitLab CI usw.).
- Praktische Erfahrung mit Azure.
- Kenntnisse in Docker und Kubernetes (einschließlich AKS).
- Ausrichtung an unserer Kultur.
- Wohnsitz in São Paulo und Verfügbarkeit für ein hybrides Arbeitsmodell (3 Tage pro Woche im Büro).
Vorteile
- Generative KI und Agentenlösungen (LLMs, RAG, Fine-Tuning, Embeddings, Prompt Engineering, Multi-Agenten-Orchestrierung, Tool Calling, Speicher) als Zukunftsvision der Abteilung.
- Azure AI Foundry für die Entwicklung, Bereitstellung, Bewertung und Governance von GenAI- und Agentenanwendungen.
- Frameworks für Beobachtbarkeit/Bewertung von LLMs und Agenten (LangSmith, Ragas, Arize).
- Marktübliche Feature Stores (Feast, Tecton) und Best Practices zur Vermeidung von Training-Serving-Skew.
- IaC / Automatisierung (Terraform, Bicep).
- Standardisierung und Experimentation von Modellen mit zusätzlichen Tools (Kedro, DVC, Metaflow).
- Daten-Streaming (Kafka, Event Hubs).
- GPUs in Kubernetes, Quantisierung und Optimierung der LLMs-Inferenz (z. B. KAITO/AKS).
- Daten-Governance und Modellsicherheit.
🎯 Herausforderungen und Wirkung
- Hauptverantwortung für die MLOps-Pipeline, einschließlich deren Aufbau, Weiterentwicklung und End-to-End-Betrieb.
- Sicherstellung der Qualität von Modellen in der Produktion, als Hüter der Machine Learning-Standards in der Produktion (Zuverlässigkeit, Tests, Dokumentation und SLAs).
- Entwurf und Wartung von Daten- und ML-Pipelines, vom Training bis zur Bereitstellung und Überwachung in der Produktion, auf modulare, versionierte und reproduzierbare Weise.
- Befähigung des Data-Science-Teams zur Anpassung an den Standard der Pipeline durch Verbreitung von Best Practices im ML Engineering.
- Technische Mentorschaft für angehende Fachkräfte durch Design-Reviews, Pair-Programming bei komplexen Problemen und Anhebung des technischen Niveaus des Teams.
- Betrieb der ML-Infrastruktur in der Cloud, Optimierung von Leistung, Kosten und Zuverlässigkeit der Inferenz und des Modell-Servings.
- Fungieren als Bindeglied zwischen technischen Abteilungen (Engineering, Data Engineering, Governance, DevOps, Zugriffsmanagement und Architektur), Antizipation von Abhängigkeiten, Risiken und Blockaden, die Data Science betreffen.
- Zusammenarbeit mit Data Science, Data Engineering, Produkt und Business bei der Priorisierung, dem Entwurf und der Lieferung von Lösungen.
Leistungen
Gesundheit und Wohlbefinden
- Krankenversicherung
- Zahnversicherung
- Wellhub (Gympass)
- Zenklub
- Lebensversicherung
- iFood Benefits (flexibler VA und VR)
- Fahrtkostenzuschuss
- New Value (Benefit-Club)
- Elternzeit: Mutterschaft 6 Monate und Vaterschaft 20 Tage.
- Kinderbetreuungszuschuss
Finanzielle Lebensgestaltung
- Exklusive Investmentfonds
- Investmentberatung
- XP Visa Infinite Karte ohne Jahresgebühr
- Kredite (Ratenkredit, Eigenheimkredit, Immobiliendarlehen, etc.)
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen