Brésil
SONDA
In All Media Inc
Data Scientist / Machine Learning Engineer
À distanceBrésil
Brazil
PythonSQLAWS
Traduction automatique. Consultez l’original.
🌐 Fuseau Horaire et Collaboration
📌 Poste : Data Scientist - Machine Learning (Production & IA)
Lieu : Remote depuis LATAM
Type de contrat : Contractuel à temps plein (via In All Media)
Alignement Fuseau Horaire : Fuseaux horaires US (Central Time)
Le poste nécessite un alignement avec les fuseaux horaires américains. Les candidats doivent être disponibles pendant les heures ouvrables standard américaines pour assurer une collaboration en temps réel avec les équipes d'ingénierie, de données et les partenaires commerciaux interfonctionnels.
💬 Langue
Toutes les interviews, la documentation et la communication quotidienne seront menées exclusivement en anglais.
Note : Ce contrat est géré par In All Media. Nous fournissons la plateforme et l'infrastructure permettant aux meilleurs talents de LATAM de travailler avec des leaders mondiaux.
🧭 À propos d'In All Media
In All Media est une entreprise mondiale de technologie et de design axée sur la création de solutions numériques percutantes grâce à des équipes distantes et distribuées à travers LATAM. Nous collaborons avec des clients internationaux dans divers secteurs, en fournissant une expertise technique à long terme, une innovation produit et une augmentation d'équipe.
🚀 Présentation du Projet
Le projet est centré sur la construction, la mise à l'échelle et la maintenance de pipelines et d'infrastructures de production machine learning de bout en bout dans un environnement cloud-native. L'objectif principal est de permettre la prise de décision basée sur les données à travers l'entreprise en fournissant des solutions ML robustes et évolutives. Dans ce rôle, vous ferez le pont entre l'expérimentation de modèles et le déploiement en production, aidant l'équipe à faire progresser ses algorithmes prédictifs de base tout en s'étendant aux capacités modernes basées sur l'IA et les LLM.
🔍 Responsabilités Clés
- Développement et Déploiement de Modèles ML : Développer, déployer et maintenir des modèles Machine Learning (ML) de qualité production dans des environnements cloud, au-delà du développement sur notebook local.
- Ingénierie des Caractéristiques et EDA : Effectuer une Analyse Exploratoire des Données (EDA) et concevoir des pipelines d'ingénierie des caractéristiques pour supporter les flux de travail ML en production.
- Infrastructure de Pipelines : Construire, maintenir et optimiser les pipelines de données qui alimentent et soutiennent les modèles ML en production.
- Surveillance et Maintenance des Modèles : Surveiller les performances des modèles, leur santé et leur dérive après le déploiement pour assurer une fiabilité continue en production.
- Collaboration Interfonctionnelle : Collaborer avec les équipes d'ingénierie logicielle, de données et les parties prenantes métier pour traduire les objectifs commerciaux en solutions ML évolutives.
- Intégration IA et LLM : Contribuer aux capacités basées sur l'Intelligence Artificielle (IA) et les Modèles de Langage Larges (LLM) lorsque applicable.
💡 Compétences Indispensables
- Expérience ML en Production : 2+ années d'expérience professionnelle dans la construction, le déploiement, la surveillance et la maintenance de modèles ML en production dans des environnements réels.
- Langages de Programmation et de Données : Solides compétences en programmation Python ainsi que des capacités avancées en SQL.
- Plateformes ML d'Entreprise : Expérience dans l'utilisation de AWS SageMaker ou de plateformes ML d'entreprise équivalentes (telles que Google Vertex AI ou Azure ML) pour supporter les pipelines de production.
- Contrôle de Version et Autonomie : Maîtrise de Git pour le contrôle de version et capacité démontrée à travailler de manière autonome dans des environnements de production.
🌟 Compétences Souhaitables
- Écosystème MLOps : Familiarité avec MLOps et les outils d'orchestration tels que MLflow, Apache Airflow, ou dbt (Data Build Tool).
- Entreposage de Données : Expérience pratique avec Snowflake.
- Expertise Métier : Expérience préalable dans le marketing, la croissance, l'expérimentation ou l'inférence causale.
- IA Générative : Expérience pratique avec les LLMs (Large Language Models) ou les agents IA autonomes.
- Méthodologies : Expérience de travail dans des environnements de développement Agile.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil