Listing note. Listings come from public job feeds and can change or expire—check the original source and eligibility requirements before applying.

All listings

Technology

Machine Learning Engineer Sr

Leega Consultoria

HimalayasRemote
WhatsApp
Location
Brazil, Brazil
Type
Remote
Salary
Salary not specified
Posted
19 Nov 2026
A Leega é uma empresa focada no atendimento eficiente e inovador em seus clientes.
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! Sobre a oportunidade Você 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 MLOps/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 MLOps. 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 MLOps/Plataforma para deploy e operação. Stack & Ferramentas ML 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. 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 MLOps (registry, deploy). Conforto com desenvolvimento assistido por IA (Claude Code). Diferenciais Ecossistema Ray (Serve, Train, Tune, RLlib) — forte diferencial. 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. Informações adicionais Trabalho Remoto Tempo de Projeto: 6 meses, com possibilidade de extensão/internalização. Originally posted on Himalayas