ARQUITETO CIENTISTA DE DADOS - HÍBRIDO

Requisitos Obrigatórios:
Experiência prática com engenharia de prompt e avaliação sistemática de qualidade de saída de LLMs (não apenas uso casual de modelos). 

Experiência real com arquiteturas RAG em produção — não apenas em cursos/POCs — incluindo estratégias de chunking e recuperação. 

Conhecimento prático de bancos vetoriais, idealmente com experiência direta em FAISS (ou equivalentes como Pinecone, Weaviate, Qdrant, Milvus). 

Domínio de Python para integração de sistemas, com capacidade de debugar pipelines de ponta a ponta (não apenas notebooks de experimentação). 

Experiência de integração com APIs de LLM de provedores como Anthropic e/ou OpenAI (autenticação, streaming, controle de tokens/custo, tratamento de limites de contexto). 

Conhecimento de SQL suficiente para consumir e depurar dados persistidos pelo pipeline de IA. 

Entendimento sólido de técnicas de mitigação de alucinação e de avaliação de confiabilidade de respostas geradas por IA (ex.: groundedness, faithfulness, técnicas de citação de fonte). 

Capacidade de atuar em squad ágil, colaborando diretamente com desenvolvedores backend/frontend sem depender de intermediação. 

Requisitos Desejáveis:
Experiência com arquiteturas agênticas e frameworks de orquestração de agentes (ex.: LangChain/LangGraph, CrewAI, Semantic Kernel, ou equivalentes). 

Experiência com migração de soluções de IA de ambiente on-premise para cloud (Azure, AWS ou GCP). 

Conhecimento de fine-tuning ou técnicas de adaptação de modelos (LoRA, instruction tuning) para casos em que RAG não seja suficiente. 

Familiaridade com containers (Docker) para empacotar componentes do pipeline de IA. 

Experiência com processamento de grandes volumes de dados para preparação de bases de conhecimento (não para BI/dashboards, mas para ingestão de RAG). 

Conhecimento de práticas de segurança e governança de dados sensíveis em soluções de IA (relevante por se tratar de dados de órgão público), incluindo LGPD. 

Experiência anterior em projetos para o setor público ou em ambientes regulados. 

Habilidades Comportamentais:

•  Boas práticas de segurança e governança de dados sensíveis em soluções de IA 

• Engenharia de prompt e avaliação de qualidade de respostas de LLMs 

• Arquitetura RAG (Retrieval-Augmented Generation) em produção 

• Bancos de dados vetoriais, com experiência em FAISS 

• Conhecimento e experiência com desenvolvimento ágil incluindo Kanban e Scrum 

• Conhecimento e experiência na ferramenta AzureDevops