Engenheiro de Software de IA

**Descrição da Vaga** Estamos em busca de um **Engenheiro de Software em IA** para atuar no desenvolvimento de soluções avançadas envolvendo LLMs, grafos de conhecimento, pipelines de RAG/GraphRAG e agentes inteligentes. O profissional será responsável por projetar, desenvolver e escalar aplicações de IA orientadas a dados, colaborando com times multidisciplinares para construir sistemas inteligentes modernos, robustos e de alta performance. **Responsabilidades** * Desenvolver soluções de IA com foco em arquiteturas **RAG** e **GraphRAG** , integradas a modelos de linguagem (LLMs). * Projetar, construir e manter **Knowledge Graphs** , além de modelar e consultar grafos complexos em bancos especializados. * Implementar fluxos inteligentes utilizando **LangChain** , **LangGraph** e agentes autônomos orientados por LLMs. * Utilizar **LangSmith** para observabilidade, rastreabilidade, versionamento e avaliação contínua de aplicações de IA. * Construir pipelines de dados envolvendo **Feature Engineering** , **Context Engineering** , clusterização e rotulagem. * Integrar modelos de IA com mecanismos de **Vector Search** , bancos de dados NoSQL e repositórios de grafos. * Desenvolver aplicações escaláveis utilizando arquitetura cloud e serviços avançados como **Google Vertex AI** . * Garantir boas práticas de engenharia de software, testes, documentação, monitoramento e performance. **Requisitos Obrigatórios** * **Python (nível avançado):** sólida experiência no desenvolvimento de aplicações de IA, pipelines de dados e integração com APIs e serviços de machine learning. * **Neo4j:** experiência comprovada em modelagem de grafos, consultas complexas (Cypher) e otimização de performance. * **Knowledge Graphs:** domínio na concepção, construção, manutenção e exploração de grafos de conhecimento. * **Arquiteturas RAG e GraphRAG:** aplicação prática para recuperação contextual e integração com LLMs. * **LangChain e LangGraph:** orquestração de fluxos, cadeias de prompts, grafos de execução e agentes de IA. * **LangSmith:** uso para observabilidade, avaliação e monitoramento de aplicações baseadas em LLMs. * **Agentes de IA (LLM Agents):** implementação, definição de ferramentas, memória e tomada de decisão autônoma. * **Feature Engineering:** preparação, transformação e enriquecimento de dados para machine learning. * **Context Engineering:** estruturação e otimização de contextos, prompts e estratégias de recuperação. * **Clusterização e Rotulagem:** técnicas como *K\-Means* , *DBSCAN* e métodos relacionados. * **Google Vertex AI:** treinamento, deploy, monitoramento e integração de modelos ML e generativos. * **Vector Search:** indexação, similaridade semântica e recuperação eficiente baseada em embeddings. * **MongoDB:** modelagem, consultas avançadas e integração com aplicações de IA e dados.