Monster Jobs lê cada vaga aberta e diz, de 0 a 100, o match dela com o seu currículo — de graça. Você está vendo esta página sem a parte mais importante dela: a sua.
Pode ser 94. Pode ser 31.
O ponteiro só crava quando lemos o seu currículo. Leva 1 minuto, de graça.
DOSSIÊ MJ-3602 · ACESSO PARCIAL
Data Engineer Sênior
Matria · Belo Horizonte, MG
Esta é 1 de 60.437 vagas encontradas nos últimos 30 dias. Nós comparamos todas com o seu currículo — hoje, esta página nem sabe quem você é.
Grátis, sem cartão. Só o seu currículo.
Encontrada há 2 semanas
Se candidatar no escuro custa uma noite.
Saber custa um minuto.
A conta que ninguém faz
Você, sozinho, numa noite
~20
vagas abertas e lidas uma a uma — a maioria descartada no terceiro parágrafo, quando o requisito que você não tem finalmente aparece. Dias assim, toda semana.
O Monster Jobs, enquanto isso
60.437
vagas já lidas e entendidas, prontas para ganhar nota contra o seu currículo no momento em que ele chegar. Você não procura mais vaga — recebe as que merecem a sua atenção.
Recrutador faz triagem de candidato.
Aqui, o recrutador é você — de vagas.
Cada uma chega com nota e motivo. Seu único trabalho é dizer sim ou não.
RELATÓRIO DE COMPATIBILIDADE · GERADO POR VAGA, POR PESSOA
Por que essa nota
Para quem tem conta, este bloco explica a nota em português — escrito sobre o seu histórico, não um texto genérico:
O raciocínio da nota é gerado para cada currículo depois do cadastro gratuito.
A seu favor
O que do seu histórico pesa a favor aqui.
O que falta
O que a vaga pede e seu currículo ainda não mostra.
1 minuto: você envia o currículo, nós escrevemos o resto.
Ninguém caça sozinho. Esta vaga foi encontrada por outra pessoa e entrou no acervo de todo mundo. A caça continua enquanto você lê isto — e a sua parte do acervo (60.437 vagas, comparadas com o seu currículo) só passa a existir quando você entra.
O que você decide sobre cada vaga
Cada vaga vira um caso com histórico: candidatei, entrevista, proposta. Estes botões são os reais — só falta a conta.
Descrição da vaga
Atuação prática
- Projetar, construir e manter pipelines de dados robustos (ETL/ELT) que abastecem produtos, análises e modelos;
- Garantir qualidade, governança e rastreabilidade de dados com boas práticas de data contracts, catalogação e versionamento de datasets;
- Contribuir com modelagem analítica e transformação de dados (ELT/dbt), apoiando a definição de métricas e da camada semântica que servem análises e produtos de dados;
- Integrar pipelines de dados em fluxos CI/CD, garantindo reprodutibilidade e rastreabilidade;
- Estabelecer observabilidade sobre os dados: tracing, logs, métricas de qualidade e alertas sobre degradação de pipelines;
- Garantir conformidade com LGPD e normas aplicáveis ao setor de saúde, aplicando boas práticas de mascaramento de dados, gestão de PII e segurança by design;
- Colaborar com os times de engenharia e IA, disponibilizando dados confiáveis para modelos de ML e sistemas de IA em produção.
- Experiência sólida como Senior Data Engineer ou papel equivalente em produtos digitais de alta escala;
- Domínio de Python para engenharia de dados;
- Experiência com cloud platforms (Azure, AWS ou GCP) e ferramentas de orquestração (Airflow, Prefect ou equivalentes);
- Sólido conhecimento em bancos de dados SQL e NoSQL, além de mensageria/eventos (Kafka, RabbitMQ ou equivalentes);
- Conhecimento em segurança de dados, mascaramento de PII e conformidade com LGPD e normas do setor de saúde;
- Capacidade de atuar com autonomia, entregar com qualidade e comunicar decisões técnicas com clareza para audiências técnicas e não-técnicas.
- Experiência com transformação e modelagem analítica em dbt e com definição de métricas / camada semântica;
- Experiência com plataformas de MLOps (MLflow, Databricks, SageMaker ou similares): feature stores, model registry, experiment tracking, serving e monitoramento em produção;
- Familiaridade com LLMs em produção e sistemas RAG — ingestão, chunking, indexação, embeddings e buscas híbridas — ou forte disposição para aprender;
- Experiência com bancos de dados vetoriais;
- Noções de ciclo de vida de modelos: retreinamento contínuo, drift detection e critérios de promoção/rollback com base em métricas de negócio e técnicas.
- Experiência com tracing e avaliações de pipelines RAG (Langfuse, Ragas, DeepEval ou equivalentes);
- Conhecimento em técnicas de busca híbrida (BM25 + densa), re-rankers e embeddings proprietários;
- Experiência prévia em healthtech, fintechs ou setores com alta regulação de dados;
- Contribuições open source ou participação ativa em comunidades de dados e IA.
Leu tudo e ficou na dúvida? É exatamente isso que a nota resolve.
Por que criar conta agora
Leva 1 minuto
Envie o currículo e pronto. Sem formulário longo, sem questionário, sem teste.
Grátis de verdade
Sem cartão, sem período de teste que expira. Seu currículo só gera as suas notas.
Já tem vaga esperando
60.437 vagas encontradas nos últimos 30 dias — a sua nota nesta e em todas as outras sai assim que o currículo chega.