Engenheiro(a) de Dados e IA - pleno/sênior

Sobre a posição
Buscamos uma pessoa engenheira de dados com experiência em SQL, Python, modelagem analítica e construção de pipelines, além de conhecimento prático na aplicação de inteligência artificial generativa e modelos de linguagem.
Na Datlo, você será responsável por transformar dados brutos em ativos confiáveis, documentados e acessíveis para produtos, análises e decisões de negócio. Também participará da construção e da operação de soluções baseadas em LLMs, prompts, embeddings, recuperação de informações e automações com IA.
Esperamos alguém capaz de conduzir demandas de média complexidade com autonomia, compreender o contexto de negócio por trás dos dados e avaliar criticamente as soluções entregues. Decisões de maior impacto arquitetural, financeiro ou organizacional serão construídas em conjunto com profissionais mais experientes e com os times envolvidos.
Principais responsabilidades
Construir, manter e evoluir pipelines de ingestão, transformação e disponibilização de dados provenientes de bancos, APIs, arquivos e serviços externos.
Desenvolver transformações e modelos analíticos utilizando SQL e Python.
Organizar os dados em camadas com padrões consistentes de nomenclatura, qualidade, documentação e rastreabilidade.
Definir estratégias de carga incremental e completa, tratando idempotência, duplicidade, dependências e recuperação de falhas.
Orquestrar e monitorar pipelines, incluindo reprocessamentos, concorrência, alertas e tratamento de falhas.
Implementar testes e validações de integridade, completude, unicidade, atualidade e consistência.
Investigar problemas de qualidade, desempenho, custo e disponibilidade, propondo melhorias estruturais sempre que necessário.
Otimizar consultas, processamento e armazenamento de dados em ambientes de nuvem.
Compreender regras de negócio e transformá-las em modelos de dados, métricas e componentes reutilizáveis.
Preparar e disponibilizar dados para produtos analíticos e soluções de inteligência artificial.
Desenvolver provas de conceito e aplicações que utilizem LLMs, prompts, embeddings e recuperação de informações.
Participar do deploy, monitoramento e evolução de serviços e automações baseados em IA.
Avaliar a qualidade, segurança, latência, custo e confiabilidade das soluções com LLMs utilizando critérios objetivos.
Colaborar com Desenvolvimento, Plataforma, Produto e áreas de negócio para garantir que as entregas sejam tecnicamente sustentáveis e gerem valor.
Documentar datasets, pipelines, métricas, prompts, regras de negócio e decisões técnicas.
Utilizar ferramentas de IA generativa de maneira crítica para apoiar desenvolvimento, investigação, documentação e exploração de dados, sempre validando os resultados produzidos.
Noções de embeddings, busca semântica e fundamentos de RAG;
Monitoramento de custo, latência, consumo, erros e qualidade;
Proteção de informações sensíveis e credenciais sob sua responsabilidade;
O que buscamos
Experiência prévia em Engenharia de Dados, Analytics Engineering ou funções relacionadas.
Domínio sólido de SQL aplicado à transformação, modelagem e análise de dados.
Experiência com Python para processamento de dados, automações, integrações e construção de pipelines.
Experiência com data warehouses em nuvem, preferencialmente BigQuery.
Conhecimento de modelagem de dados analíticos e organização dos dados em camadas.
Experiência com dbt ou ferramenta equivalente de transformação de dados.
Experiência com Prefect, Airflow ou outra ferramenta de orquestração.
Conhecimento de Git, revisão de código e processos de CI/CD.
Experiência com testes, validações, monitoramento e práticas de qualidade de dados.
Conhecimento prático de APIs de modelos de linguagem, engenharia de prompts, embeddings e fundamentos de RAG.
Capacidade de conduzir demandas de média complexidade desde o entendimento do problema até a entrega, documentação e monitoramento da solução.
Capacidade de traduzir necessidades de negócio em soluções de dados claras, confiáveis e reutilizáveis.
Não esperamos que a pessoa tenha projetado sozinha toda a arquitetura de uma plataforma de dados ou colocado uma plataforma de IA em produção em larga escala. Entretanto, ela deverá conseguir manter e evoluir pipelines, modelos e aplicações de média complexidade com a autonomia esperada para a senioridade. Esperamos que a pessoa compreenda como integrar modelos de linguagem aos dados, sistemas e processos da empresa.
Diferenciais
Experiência com Prefect.
Experiência com BigQuery e Google Cloud Platform.
Experiência com desenvolvimento de APIs.
Noções de Docker e deploy.
Experiência com frameworks para aplicações baseadas em LLMs.
Conhecimento de function calling, tool calling, agentes ou fluxos automatizados com IA.
Experiência com ferramentas de avaliação e observabilidade de aplicações com LLMs.
Noções de machine learning, incluindo treinamento, validação e disponibilização de modelos.
Conhecimento de estatística aplicada, experimentação e avaliação de modelos.
Familiaridade com scikit-learn, MLflow ou ferramentas equivalentes.
Experiência com análise espacial, dados geográficos ou inteligência de mercado.
Noções de Kubernetes.
Vivência em consultoria, projetos para clientes ou ambientes com diferentes contextos de negócio.
Visão comportamental
Compreende o problema de negócio antes de construir o pipeline, o modelo de dados ou a solução de IA.
Verifica se o que entrega é confiável, compreensível e útil para quem irá consumir.
Investiga causas em vez de apenas corrigir sintomas.
Comunica riscos, dependências e problemas de qualidade com clareza.
Questiona requisitos quando identifica inconsistências, riscos ou alternativas melhores.
Transforma demandas abertas em escopos técnicos claros, alinhando expectativas, restrições e critérios de sucesso.
Sabe quando avançar com autonomia e quando uma decisão exige alinhamento.
Documenta regras de negócio, decisões e limitações das soluções.
Utiliza IA com senso crítico e valida os resultados produzidos.
Considera qualidade, segurança, custo, escalabilidade e manutenção nas decisões técnicas.
Equilibra velocidade de entrega, qualidade técnica e valor para o negócio.
Compartilha conhecimento e aprendizados com o time.
Assume erros, contribui para a análise das causas e ajuda a evitar recorrências.
Atua de acordo com os princípios e comportamentos definidos no Manifesto da Datlo.
Formação
Graduação em Ciência da Computação, Engenharia, Estatística, Matemática, Sistemas de Informação, Ciência de Dados ou áreas relacionadas é desejável, 3 anos ou mais de experiência.
Certificações ou formações em GCP, Azure, dbt, Engenharia de Dados, machine learning ou inteligência artificial não são obrigatórias, mas serão consideradas diferenciais.
O que esperamos nos primeiros meses
Compreender a arquitetura de dados, os padrões de modelagem e as camadas existentes na Datlo.
Conhecer os principais pipelines, fontes, consumidores e regras de negócio.
Entender os processos de desenvolvimento, versionamento, deploy e monitoramento.
Assumir a manutenção e a evolução de pipelines e modelos de média complexidade.
Contribuir para testes, documentação, observabilidade e qualidade dos dados.
Conhecer as iniciativas de IA existentes e os dados utilizados por elas.
Desenvolver ou apoiar uma primeira solução baseada em LLMs, com critérios claros de avaliação.
Construir uma relação de confiança com os times de Desenvolvimento, Plataforma, Produto e áreas de negócio.
O que você encontrará na Datlo
Um ambiente em que Engenharia de Dados trabalha de forma próxima a Desenvolvimento, Plataforma, Produto e negócio para transformar informações em produtos e decisões.
Você terá espaço para atuar em problemas reais de engenharia de dados, inteligência de mercado e IA aplicada da construção de pipelines e modelos analíticos à disponibilização de soluções baseadas em LLMs, ampliando progressivamente sua autonomia e participação nas decisões técnicas.

Work arrangement
No