<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>PyTorch on eu.dev.br</title><link>https://eu.dev.br/vagas/tech/pytorch/</link><description>Recent content in PyTorch on eu.dev.br</description><generator>Hugo</generator><language>pt-br</language><lastBuildDate>Mon, 25 May 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://eu.dev.br/vagas/tech/pytorch/index.xml" rel="self" type="application/rss+xml"/><item><title>Júnior em Machine Learning - Pesquisa em IA</title><link>https://eu.dev.br/vagas/3pfbceu6aq5re03g-cpqd-junior-em-machine-learning-pesquisa-em-ia/</link><pubDate>Mon, 25 May 2026 00:00:00 +0000</pubDate><guid>https://eu.dev.br/vagas/3pfbceu6aq5re03g-cpqd-junior-em-machine-learning-pesquisa-em-ia/</guid><description>&lt;h3>Sobre a vaga&lt;/h3>&lt;p>O CPQD busca uma pessoa em início de carreira para atuar como Pesquisador(a) I em Machine Learning e IA, em modelo híbrido em Campinas.&lt;/p>&lt;p>A descrição original não trouxe detalhes completos de responsabilidades, mas a vaga cita uma stack voltada a pesquisa aplicada, modelos de linguagem, pipelines de dados e implantação de modelos.&lt;/p>&lt;h3>Tecnologias citadas&lt;/h3>&lt;ul>&lt;li>Python, Pandas e Scikit-learn&lt;/li>&lt;li>PyTorch e Hugging Face Transformers&lt;/li>&lt;li>LangChain, LlamaIndex, ChromaDB, Pinecone e Milvus&lt;/li>&lt;li>Docker, Kubernetes, MLflow e Triton Inference Server&lt;/li>&lt;li>AWS e GCP&lt;/li>&lt;/ul>&lt;h3>Perfil esperado&lt;/h3>&lt;ul>&lt;li>Interesse em pesquisa aplicada com Machine Learning e IA generativa.&lt;/li>&lt;li>Base em Python e bibliotecas de dados ou aprendizado de máquina.&lt;/li>&lt;li>Vontade de aprender ferramentas de MLOps, bancos vetoriais e deploy de modelos.&lt;/li>&lt;li>Disponibilidade para trabalho híbrido em Campinas.&lt;/li>&lt;/ul></description></item><item><title>Lead em Machine Learning - GenAI e AWS</title><link>https://eu.dev.br/vagas/5ilobl9pk5tfmr43-provectus-lead-em-machine-learning-genai-e-aws/</link><pubDate>Mon, 25 May 2026 00:00:00 +0000</pubDate><guid>https://eu.dev.br/vagas/5ilobl9pk5tfmr43-provectus-lead-em-machine-learning-genai-e-aws/</guid><description>&lt;h3>Sobre a vaga&lt;/h3>&lt;p>A Provectus busca uma pessoa Lead em Machine Learning para atuar remotamente com GenAI em ambiente AWS.&lt;/p>&lt;h3>Stack mencionada&lt;/h3>&lt;ul>&lt;li>LLM e RAG&lt;/li>&lt;li>AWS&lt;/li>&lt;li>MLOps e CI/CD&lt;/li>&lt;li>TensorFlow, PyTorch e scikit-learn&lt;/li>&lt;/ul>&lt;h3>Observação&lt;/h3>&lt;p>A descrição original não trouxe detalhes sobre responsabilidades, requisitos, benefícios ou rotina da vaga.&lt;/p></description></item><item><title>Sênior em Machine Learning - GenAI e AWS</title><link>https://eu.dev.br/vagas/luv5ylme0xp12m8t-provectus-senior-em-machine-learning-genai-e-aws/</link><pubDate>Mon, 25 May 2026 00:00:00 +0000</pubDate><guid>https://eu.dev.br/vagas/luv5ylme0xp12m8t-provectus-senior-em-machine-learning-genai-e-aws/</guid><description>&lt;h3>Sobre a vaga&lt;/h3>&lt;p>A Provectus busca uma pessoa sênior em Machine Learning para atuar remotamente com soluções de GenAI em AWS.&lt;/p>&lt;p>A posição é voltada para profissionais em Medellín, Bogotá, Cali, Barranquilla ou Bucaramanga.&lt;/p>&lt;h3>Responsabilidades&lt;/h3>&lt;ul>&lt;li>Desenvolver e evoluir soluções de Machine Learning e GenAI usando Python.&lt;/li>&lt;li>Trabalhar com LLMs, RAG e bancos vetoriais em aplicações de IA.&lt;/li>&lt;li>Criar, treinar, avaliar e monitorar modelos com ferramentas como TensorFlow, PyTorch, MLflow e Weights &amp;amp; Biases.&lt;/li>&lt;li>Construir pipelines de dados e ML com SQL, Pandas, NumPy e Spark.&lt;/li>&lt;li>Implantar soluções em AWS usando serviços como SageMaker e Lambda.&lt;/li>&lt;li>Apoiar automação e infraestrutura com Docker, Kubernetes, Terraform e CloudFormation.&lt;/li>&lt;/ul>&lt;h3>Requisitos&lt;/h3>&lt;ul>&lt;li>Experiência sênior em Machine Learning.&lt;/li>&lt;li>Boa experiência com Python e bibliotecas de dados e ML.&lt;/li>&lt;li>Vivência com GenAI, LLMs, RAG ou bancos vetoriais.&lt;/li>&lt;li>Experiência prática com AWS para workloads de Machine Learning.&lt;/li>&lt;li>Conhecimento de containers, orquestração e infraestrutura como código.&lt;/li>&lt;/ul>&lt;h3>Tecnologias citadas&lt;/h3>&lt;p>Python, TensorFlow, PyTorch, Pandas, NumPy, SQL, Spark, MLflow, Weights &amp;amp; Biases, Docker, Kubernetes, Terraform, CloudFormation, SageMaker, Lambda, bancos vetoriais, LLMs e RAG.&lt;/p></description></item><item><title>Sênior em Machine Learning - GenAI e AWS</title><link>https://eu.dev.br/vagas/n9gxi1zjrg1nakeb-provectus-senior-em-machine-learning-genai-e-aws/</link><pubDate>Fri, 15 May 2026 00:00:00 +0000</pubDate><guid>https://eu.dev.br/vagas/n9gxi1zjrg1nakeb-provectus-senior-em-machine-learning-genai-e-aws/</guid><description>&lt;h3>Sobre a vaga&lt;/h3>&lt;p>A Provectus busca uma pessoa sênior em Machine Learning para atuar com soluções de GenAI em ambiente AWS, em modelo remoto.&lt;/p>&lt;h3>Responsabilidades&lt;/h3>&lt;ul>&lt;li>Desenvolver, treinar e colocar em produção modelos de Machine Learning e GenAI.&lt;/li>&lt;li>Trabalhar com pipelines de dados e experimentação usando Python, Pandas, NumPy, SQL e Spark.&lt;/li>&lt;li>Usar frameworks como TensorFlow e PyTorch para criação e avaliação de modelos.&lt;/li>&lt;li>Apoiar práticas de MLOps com MLflow, Weights and Biases, Docker e Kubernetes.&lt;/li>&lt;li>Construir e manter infraestrutura em nuvem, principalmente na AWS.&lt;/li>&lt;/ul>&lt;h3>Requisitos&lt;/h3>&lt;ul>&lt;li>Experiência sênior com Machine Learning aplicado em produção.&lt;/li>&lt;li>Conhecimento sólido em Python, SQL e bibliotecas de dados como Pandas e NumPy.&lt;/li>&lt;li>Experiência com AWS, incluindo serviços como SageMaker, Lambda, S3, EMR e ECR.&lt;/li>&lt;li>Vivência com Docker, Kubernetes e ferramentas de infraestrutura como código, como Terraform ou CloudFormation.&lt;/li>&lt;li>Experiência com frameworks de ML como TensorFlow ou PyTorch.&lt;/li>&lt;/ul>&lt;h3>Diferenciais&lt;/h3>&lt;ul>&lt;li>Experiência com GCP.&lt;/li>&lt;li>Vivência com rastreamento de experimentos usando MLflow ou Weights and Biases.&lt;/li>&lt;li>Experiência prática com soluções de GenAI.&lt;/li>&lt;/ul></description></item></channel></rss>