Offer summary

Qualifications:

Bachelor's or higher degree in Information Technology or related fields., 5+ years of experience in software architecture and engineering., Proficiency in developing and training AI models, including predictive and supervised/unsupervised learning., Experience in data analysis, data preparation, and big data management..

Key responsibilities:

Coordinate architectural decisions affecting software applications.

Design software architecture and conduct architectural proof of concepts (POCs).

Create and train AI models, and validate their performance.

Build data pipelines for efficient data movement and transformation.

Job description

JOB DESCRIPTION

Como Engenheiro de Dados Sênior na Montreal, você fará parte de uma das melhores empresas de tecnologia do Brasil. Nossa trajetória iniciou há mais de trinta anos com uma pequena equipe de engenharia apaixonada por inovação. Em 1986, pessoas visionárias fizeram um compromisso com a tecnologia e sua capacidade de transformar o mundo. Aquele, seria apenas o começo de uma trajetória que nos tornou referência sólida no mercado e uma das melhores empresas para se trabalhar.

RESPONSIBILITIES AND ASSIGNMENTS

Profissional da CONTRATANTE e também da CONTRATADA que coordena o trabalho em relação às decisões arquiteturais de software que afetam a aplicação. Atua nas atividades de desenho da arquitetura, POC arquitetural, definição de padrões arquiteturais e de codificação de software, considerando as tecnologias e framework padrão adotados. 5 ou mais anos de experiência para arquiteto de software.

REQUIREMENTS AND QUALIFICATIONS

Formação superior completa (graduação e/ou pós-graduação lato sensu e/ou pós-graduação stricto sensu) na área de Tecnologia da Informação.
Desenvolvimento de Modelos de IA: Criar e treinar modelos de IA, como modelos preditivos, de aprendizado supervisionado e não supervisionado.
Análise de Dados: Explorar e analisar grandes volumes de dados, identificando padrões e insights úteis para os negócios.
Testes e Validação de Modelos: Validar e testar a performance dos modelos, ajustando parâmetros para otimizar a precisão.
Preparação e Limpeza de Dados: Coletar, limpar e organizar grandes volumes de dados para análise e treinamento de modelos.
Construção de Pipelines de Dados: Criar pipelines para facilitar a movimentação e transformação de dados entre diferentes sistemas.
Gerenciamento de Big Data: Trabalhar com ferramentas de Big Data para gerenciar e processar dados em grande escala.

ADDITIONAL INFORMATION

Somos uma das melhores empresas para se trabalhar!

Em uma construção contínua, promovemos um ambiente de colaboração, respeito e facilidade. Investimos no desenvolvimento de talentos e na implementação de práticas que otimizam e conectam diferentes aspectos tecnológicos e inovadores.

Required profile