---
title: "Pleno em MLOps - Python"
url: "https://eu.dev.br/vagas/15ck7kf8tmncbifo-housecall-pro-pleno-em-mlops-python/"
markdown_url: "https://eu.dev.br/vagas/15ck7kf8tmncbifo-housecall-pro-pleno-em-mlops-python.MD"
description: "Vaga pleno em MLOps com Python, Apache Airflow e Kafka para trabalhar remoto no Brasil. Você vai arquitetar e manter pipelines de machine learning em produção."
date: "2026-06-08"
author: ""
---

# Pleno em MLOps - Python

Vaga pleno em MLOps com Python, Apache Airflow e Kafka para trabalhar remoto no Brasil. Você vai arquitetar e manter pipelines de machine learning em produção.


<h3>Sobre a vaga</h3><p>Procuramos um engenheiro pleno de MLOps para arquitetar, implementar e manter pipelines de machine learning em produção. Você trabalhará com ferramentas modernas de orquestração e streaming de dados para garantir que modelos rodem de forma confiável, escalável e eficiente.</p><h3>Responsabilidades</h3><ul><li>Desenhar e implementar pipelines de ML end-to-end usando Apache Airflow e Spark</li><li>Gerenciar infraestrutura e deploy de modelos em produção</li><li>Integrar sistemas de streaming de dados (Kafka) com workflows de ML</li><li>Monitorar performance e confiabilidade de pipelines em produção</li><li>Colaborar com times de data science e engenharia de software</li><li>Otimizar custos e performance de processamento de dados</li></ul><h3>Requisitos</h3><ul><li>3+ anos de experiência com engenharia de dados ou MLOps</li><li>Sólido conhecimento de Python</li><li>Experiência prática com Apache Airflow ou ferramentas similares de orquestração</li><li>Familiaridade com Spark para processamento distribuído</li><li>Conhecimento de arquitetura de sistemas de dados em escala</li><li>Experiência com versionamento de código (Git)</li></ul><h3>Diferenciais</h3><ul><li>Experiência com Kafka ou outras plataformas de streaming</li><li>Conhecimento de containerização (Docker, Kubernetes)</li><li>Experiência com cloud (AWS, GCP ou Azure)</li><li>Familiarity com ferramentas de ML como MLflow ou Weights & Biases</li></ul>
