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-5994 · ACESSO PARCIAL
Especialista de Engenharia de Dados I
Experian · São Paulo, Brazil
Esta é 1 de 72.153 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 4 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
72.153
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 (72.153 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
Company Description
A Experian é uma empresa global de dados e tecnologia que impulsiona oportunidades para pessoas e empresas ao redor do mundo. Atuamos em diversos mercados, como serviços financeiros, saúde, automotivo, agronegócio, seguros, entre outros. A Experian investe em pessoas e em novas tecnologias avançadas para liberar o poder dos dados. Contamos com uma equipe incrível de 25.200 colaboradores em 32 países.
Nossa singularidade é valorizar a sua. A cultura da Experian, centrada nas pessoas, inclusiva e orientada por propósito, é reconhecida por diversos prêmios - incluindo World's Best Workplaces™ 2025 (Top 25 global da Fortune) e Great Place To Work™ em 26 países, entre outros. Confira o Experian Life nas redes sociais ou explore nosso site de carreiras para entender o porquê. A Experian também se orgulha de ser uma empregadora que promove igualdade de oportunidades e ação afirmativa. Caso você tenha alguma deficiência ou necessidade que exija adaptação, pedimos que nos informe o quanto antes.
Description
Responsável por transformar modelos analíticos em sistemas confiáveis, observáveis e escaláveis , desde o pipeline de features até o monitoramento em produção. Atuará como referência técnica dentro do time, em parceria próxima com Cientistas de Dados, Engenheiros de Dados, Arquitetura e Produto, ajudando a elevar o padrão de engenharia de ML da companhia.
Principais responsabilidades:
- Projetar, construir e manter pipelines de ML end-to-end (treinamento, validação, deploy e retreinamento) com automação e reprodutibilidade.
- Colocar modelos em produção em escala, em modos batch, near-real-time e online (baixa latência).
- Desenvolver e evoluir a plataforma de ML interna: feature store, model registry, versionamento de dados e modelos, orquestração e ambientes de experimentação.
- Implementar observabilidade de modelos: monitoramento de performance, data drift, concept drift, qualidade de dados, alertas e planos de resposta.
- Construir e manter CI/CD para ML, incluindo testes automatizados de dados, features e modelos, além de estratégias de rollout (canary, shadow, blue-green, A/B).
- Garantir confiabilidade e eficiência dos serviços de inferência: SLAs, escalabilidade, custo por inferência e otimização de recursos.
- Atuar junto à Ciência de Dados para tornar experimentos produtizáveis, reduzindo o tempo entre ideia e valor em produção.
- Assegurar governança, rastreabilidade e conformidade dos modelos com as políticas internas, LGPD e requisitos regulatórios do setor de crédito.
- Definir e disseminar boas práticas de engenharia de ML: code review, documentação, padrões de arquitetura e mentoria técnica do time.
- Contribuir com decisões de arquitetura e com a evolução do roadmap técnico da área.
Qualifications
Conhecimentos técnicos essenciais:
- Python em nível avançado, com boas práticas de engenharia (testes, tipagem, empacotamento, code review).
- SQL avançado e experiência com processamento distribuído (Spark, PySpark ou equivalente).
- Cloud (AWS, GCP ou Azure), com foco em serviços de dados e ML.
- Containers e orquestração: Docker e Kubernetes.
- Orquestração de pipelines: Airflow, Kubeflow, Dagster, Step Functions ou similares.
- Ferramentas de MLOps: MLflow, SageMaker, Vertex AI, Databricks, Feast ou equivalentes.
- Infraestrutura como código (Terraform) e práticas de CI/CD (GitHub Actions, GitLab CI, Jenkins).
- Fundamentos de machine learning suficientes para dialogar com Ciência de Dados: métricas de avaliação, validação, causas de degradação de modelos.
- APIs e serviços de inferência: FastAPI, gRPC, filas e streaming (Kafka, Kinesis).
- Monitoramento e observabilidade: Prometheus, Grafana, Datadog, Evidently ou similares.
- Experiência sólida em engenharia de software e/ou engenharia de machine learning, com histórico comprovado de modelos em produção.
- Vivência em ambientes de alto volume de dados e requisitos de disponibilidade.
Competências comportamentais:
- Autonomia e capacidade de conduzir problemas ambíguos até uma solução clara.
- Comunicação eficaz com públicos técnicos e não técnicos.
- Postura colaborativa e disposição para compartilhar conhecimento e desenvolver pessoas.
- Pragmatismo: equilíbrio entre rigor técnico e entrega de valor.
Será um diferencial:
- Experiência no setor financeiro, de crédito, risco ou prevenção a fraudes.
- Vivência com modelos regulados e requisitos de explicabilidade e auditoria.
- Experiência com LLMs e GenAI em produção: RAG, avaliação, guardrails e otimização de custo de inferência.
- Contribuições para projetos open source, publicações técnicas ou palestras.
- Experiência com otimização de inferência (quantização, ONNX, Triton) ou processamento em streaming.
- Inglês ou espanhol para colaboração com times globais.
Additional Information
Our uniqueness is that we celebrate yours. Experian's people first, inclusive and purpose driven culture is multi award-winning; World's Best Workplaces™ 2025 (Fortune Global Top 25), Great Place To Work™ in 26 countries to name a few. Check out Experian Life on social or explore our Careers Site to understand why. Experian is also proud to be an Equal Opportunity and Affirmative Action employer. If you have a disability or special need that requires accommodation, please let us know at the earliest opportunity.
Experian Careers - Creating a better tomorrow together
Find out what its like to work for Experian by clicking here
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
72.153 vagas encontradas nos últimos 30 dias — a sua nota nesta e em todas as outras sai assim que o currículo chega.