Machine Learning Engineer

Na Smart Consulting, vais integrar projetos inovadores onde dados e inteligência artificial são o motor da decisão. Procuramos um Senior Machine Learning Engineer com forte experiência em Python e foco em construção de sistemas de Machine Learning em produção.

👉 Este papel é maioritariamente focado em MLOps, ML Platform e infraestrutura, com responsabilidade em todo o ciclo de vida dos modelos — desde pipelines de dados até deployment e monitorização.

👉 O foco não será investigação ou desenvolvimento de odelos GenAI de raiz, mas sim operacionalização, escalabilidade e integração de modelos em ambientes produtivos.

Se gostas de construir sistemas robustos de ML end-to-end — vais sentir-te em casa.

🧑 💻 Como será o teu dia a dia

• Desenvolver e manter pipelines de dados e Machine Learning end-to-end
• Construir serviços e APIs para disponibilização de modelos
• Trabalhar na operacionalização de modelos (deployment, scaling, monitoring)
• Implementar boas práticas de MLOps (CI/CD para ML, versionamento, tracking)
• Garantir qualidade de código, dados e pipelines (testing, validation)
• Colaborar com Data Scientists para levar modelos da experimentação à produção
• Monitorizar modelos em produção (performance, drift, falhas)
• Resolver problemas em produção e otimizar sistemas existentes
• Participar em decisões de arquitetura e escolha de tecnologias
• Mentorar outros elementos da equipa

🧠 O que procuramos

• +5 anos de experiência como Backend Engineer e/ou Machine Learning Engineer
• Experiência sólida em Python (produção)
• Experiência a construir pipelines de ML end-to-end
• Experiência a desenvolver APIs para servir modelos
• Forte conhecimento de ciclo de vida de modelos (training → deployment → monitoring)
• Experiência com SQL e/ou NoSQL
• Experiência com práticas de MLOps
• Experiência com cloud (preferencialmente AWS)
• Experiência com Docker e Kubernetes
• Capacidade de tomar decisões técnicas e liderar iniciativas
• Inglês fluente

⚙️ Stack Tecnológica

• Linguagens: Python
• ML & Data: Scikit-learn, Pandas (nice to have: TensorFlow, PyTorch)
• MLOps: MLflow, Kubeflow (ou similares)
• Cloud: AWS (SageMaker, S3, serviços de ML)
• Containers & Orquestração: Docker, Kubernetes
• APIs & Services: REST APIs (FastAPI / Flask)
• Data: SQL / NoSQL
• Infraestrutura: (nice to have) Terraform, CloudFormation
• Observabilidade: Monitorização de modelos e pipelines (tools diversas)

💡 O que vais encontrar

• Projetos com forte componente de dados e Machine Learning em produção
• Foco em engenharia, escalabilidade e boas práticas de desenvolvimento
• Ambiente colaborativo com Data Engineers e Data Scientists
• Cultura de decisão técnica e melhoria contínua
• Modelo de trabalho flexível