Gerente de machine learning e deep learning

Descrição:

Qualificações e Requisitos:

Mestrado ou Doutorado Completo em Ciência da Computação, Matemática, Estatística e/ou áreas relacionadas;

Superior Completo em Ciência da Computação, Engenharia de Dados, Estatística, Física ou áreas correlatas;

Mestrado ou MBA em Gestão de Dados, Ciência de Dados, Engenharia de Software ou áreas afins (desejável);

Experiência comprovada em Machine Learning e Deep Learning;

Experiência anterior em liderança ou gerenciamento de equipe técnica;

Experiência em projetos que integrem dados de hardware e sensores em larga escala;

Domínios Avançados:

• Visão Computacional: Domínio de algoritmos para análise de imagens, como CNNs, segmentação de imagens, detecção de objetos e reconhecimento de padrões.


• Aprendizado de Máquina Avançado: Experiência com técnicas de Aprendizado Profundo (Deep Learning), Aprendizado por Reforço, GANs, Transferência de Aprendizado, Meta-Aprendizado, Aprendizado Auto-Supervisionado, Redes Neurais Gráficas, Aprendizado Federado, Inteligência Artificial Explicável (Explainable AI), Inferência Causal, e Aprendizado de Máquina Bayesiano e Multimodal.


• MLOps: Implementação de pipelines de CI/CD para IA, automação de deploys e monitoramento contínuo.


• Big Data e Processamento em Tempo Real: Conhecimento em ferramentas como Apache Kafka e Apache Spark.

Conhecimentos Técnicos e Habilidades:

• Linguagens de Programação: Python (avançado), C++ e Java.


• Frameworks de Machine Learning: TensorFlow, PyTorch, Keras, Scikit-learn.


• Processamento de Dados: Pandas, NumPy, Dask.


• Visão Computacional: OpenCV, TensorFlow Object Detection API.


• Protocolos de Comunicação: MQTT, WebSockets, HTTP/2.


• Bancos de Dados: SQL (PostgreSQL, MySQL), NoSQL (MongoDB, Cassandra).


• Computação em Nuvem: AWS (SageMaker, EC2, S3), Azure, Google Cloud Platform.


• Ferramentas de Big Data: Hadoop, Spark, Kafka.


• MLOps e DevOps: Docker, Kubernetes, Jenkins, GitLab CI/CD.

Visão e Competências Comportamentais:

• Liderança: Habilidade comprovada em liderar equipes técnicas e entregar soluções de IA de alto impacto.


• Visão Estratégica: Capacidade de alinhar objetivos técnicos com metas de negócio, promovendo otimização e inovação.


• Foco em Resultados: Orientação para resultados mensuráveis e aumento de produtividade.


• Adaptabilidade: Flexibilidade para ambientes dinâmicos e rápida adaptação a mudanças de projeto.


• Paixão por Tecnologia e Inovação: Entusiasmo por explorar tecnologias e metodologias inovadoras.

Diferenciais:

• Publicações Acadêmicas: Artigos em conferências ou revistas renomadas nas áreas de IA, Machine Learning ou Visão Computacional.


• Experiência no Setor Agrícola ou Industrial: Conhecimento prático dos desafios específicos desses setores.


• Contribuições Open-Source: Participação em projetos open-source.


• Certificações: Em Machine Learning, Data Science, Segurança da Informação ou áreas correlatas.


• Experiência Internacional: Vivência em projetos globais ou empresas de tecnologia de ponta.

Principais Responsabilidades:

Liderança Técnica e Estratégica: Gerenciar e coordenar a equipe de Machine Learning e Deep Learning, garantindo o alinhamento das atividades com os objetivos estratégicos da empresa.

Desenvolvimento de Modelos Avançados: Projetar, desenvolver e implementar algoritmos de Machine Learning e Deep Learning, incluindo modelos de visão computacional para análise de imagens de drones e sensores.

Integração de Dados: Integrar dados provenientes de diversas fontes (sensores de solo, drones, máquinas agrícolas e industriais) para criar modelos preditivos e prescritivos que apoiem os processos agrícolas e industriais do início ao fim da produção.

Processos e Tecnologias de Ponta: Implementar pipelines de MLOps, assegurando automação, eficiência e robustez no treinamento, deploy e monitoramento de modelos. Garantir a escalabilidade e performance dos modelos em ambientes de produção, utilizando tecnologias de computação em nuvem e edge computing.

Colaboração Interdisciplinar: Colaborar com equipes de back-end, front-end e engenharia de dados para integrar modelos de IA na plataforma, alinhando soluções técnicas com as necessidades da empresa.

Inovação e Melhoria Contínua: Identificar oportunidades de inovação e promover melhorias nos processos existentes, garantindo a constante evolução das soluções de IA.

Conformidade e Segurança: Assegurar que todas as soluções estejam em conformidade com as regulamentações de segurança de dados e privacidade, incluindo a LGPD. Implementar práticas de segurança da informação para proteger dados sensíveis e manter a integridade dos processos.