“Na Visio encontrei um ambiente que combina uma cultura acolhedora com desafios técnicos. Comecei consolidando boas práticas e metodologias fundamentais e de forma gradual, passei a lidar com problemas mais complexos como otimização de serviços e bancos de dados, estudo e adoção de novas tecnologias, arquitetura de software e design de sistemas, assim obtendo certa independência nos contextos em que atuo. Além do crescimento técnico, o apoio de líderes e a vivência em squad me ajudaram a desenvolver uma comunicação mais clara e uma postura adaptável e colaborativa, tanto dentro do time quanto com outras equipes. Se você busca um lugar para crescer tecnicamente de forma consistente e ao mesmo tempo se desenvolver como profissional em um ambiente acolhedor esse é o lugar certo.”
Estágio em Engenharia de Machine Learning
Entenda mais sobre a vaga
“Como estagiário(a) em Engenharia de Machine Learning, você vai trabalhar lado a lado com o time de Pesquisa em ML para colocar de pé soluções em IA e processamento de sensores. Vai modelar sistemas de ML pensando em arquitetura, design e requisitos não-funcionais, desenvolver pipelines em Python usando tecnologias de ponta e implantar práticas de MLOps que vão além de subir um serviço de inferência — pipelines completos, sustentáveis e escaláveis. Também vai ajudar a dar visibilidade à saúde e à performance dos modelos em produção. É uma posição central em um time ágil, onde priorizar bem e tomar decisões em conjunto faz toda a diferença. .”
Fernando Akio – Líder de Engenharia de Machine Learning
Pré-requisitos:
Para esta vaga, é essencial que você tenha:
- Disponibilidade de 30 horas semanais.
- Boa compreensão de conteúdos em inglês, principalmente leitura e escrita.
- Estar cursando graduação (preferencialmente a partir do 3º período)
- Lógica de programação
- Conhecimento de estrutura de dados
- Fundamentos de engenharia de software
- Vontade de aprender e de questionar — inclusive as decisões que a IA toma por você
Será um diferencial se você já tiver tido contato com:
- conhecimento prévio em Machine Learning
- Experiência com Docker e Kubernetes
- Familiaridade com NumPy e PyTorch,
- Prática com Git e CI/CD,
- Uso de ferramentas de IA como o Claude Code no desenvolvimento.
O que você vai aprender?
Essa é uma vaga onde o aprendizado vai muito além de escrever código. Você vai aprender a entender sistemas complexos de verdade , desde a modelagem dos requisitos até como trazer os benefícios de uma boa engenharia (escalabilidade, sustentabilidade e qualidade) para sistemas sensíveis e caros. Vai entender o que é MLOps na prática, como arquitetar e estender pipelines de Machine Learning, e como pensar criticamente sobre código, o seu, o do time e o que a IA gera. Boas práticas e clean code são parte do nosso dia a dia, e você vai desenvolver isso em um ambiente que valoriza esse cuidado.
Como será seu time:
Você vai ter um Buddy dedicado pra te orientar no dia a dia, tirar dúvidas e te ajudar a se localizar no sistema. Seu líder vai dedicar de 6 a 10 horas por semana pra acompanhar seu desenvolvimento, especialmente nos primeiros meses. Nos primeiros 30 dias, a expectativa é que você já consiga explicar como o MLOps se reflete no nosso sistema e tenha colocado no ar o seu primeiro pipeline de inferência. Em 60 dias, já estará configurando pipelines de treinamento de forma independente. Entre 90 e 120 dias, vai estar dentro do funcionamento dos nossos pipelines, pronto pra evoluí-los e criar novos. Aqui, transparência, colaboração e a abertura pra pedir ajuda quando precisa são valores que a gente leva a sério e esperamos isso de você também.
Leonardo Vieira – Desenvolvedor Backend Python