Professor Mentor - Machine Learning Engineering (Cloud & MLOps)

Atue na área Acadêmica do maior ecossistema de Ensino Tech do país!

A FIAP é uma faculdade de tecnologia, inovação e negócios que tem como propósito fazer a diferença no mundo e no mercado da educação. Somos change makers, acreditamos muito no poder transformador da tecnologia.

Aqui, compartilhamos nossa experiência de mercado com os alunos e entregamos muito mais do que conhecimento: oferecemos aulas práticas, no modelo hands on, além de acompanhá-los em eventos digitais e presenciais, como competições, hackathons, datathons, CTFs, challenges, bootcamps e encontros temáticos.

Nossos ambientes são modernos e inovadores. As salas de aula contam com computadores e todas as ferramentas necessárias para o ensino das tecnologias mais atuais e utilizadas no mercado.

Estamos em busca de um(a) Professor(a) Mentor(a) para atuar no suporte e acompanhamento pedagógico dos alunos na FASE 3 do curso de Pós-Graduação em Machine Learning Engineering. O mentor terá um papel ativo na jornada de aprendizagem dos estudantes, promovendo a troca de conhecimento e contribuindo com experiências práticas do mercado.

Descrição das atividades:

• Responder às dúvidas dos alunos postadas na comunidade online do curso.
• Realizar mentorias ao vivo (lives) com os alunos para esclarecimento de dúvidas relacionadas ao conteúdo das disciplinas.
• Atuar como co-host em lives com convidados, contribuindo com perguntas e auxiliando na mediação para garantir a interação com os alunos.
• Elaborar exercícios práticos para serem desenvolvidos junto aos alunos durante as lives.
• Corrigir projetos e trabalhos entregues pelos alunos a cada ciclo de avaliação.
• Publicar conteúdos relevantes, como notícias e curiosidades da área de tecnologia, na comunidade de alunos, promovendo engajamento e atualização contínua.

Conteúdo da FASE:

A Fase 03 — Cloud e MLOps aprofunda a produtização de modelos em ambientes de produção. A fase cobre deploy em nuvem em arquiteturas batch, real-time e serverless; comparação entre AWS, Azure e GCP; construção de APIs de inferência com containers; integração com CI/CD usando GitHub Actions; automação de testes, quality gates, build, deploy, rollback e promoção entre ambientes; pipelines de treino e deploy automático com Airflow; rastreabilidade com MLflow, data contracts e estratégia champion-challenger; monitoração de performance com métricas de latência, throughput, SLOs e alertas; observabilidade com Prometheus, Grafana, Azure Monitor e AWS CloudWatch; otimização de latência para modelos estruturados e não estruturados, incluindo profiling, ONNX Runtime, quantização, pruning, distillation, GPU/TPU, inferência distribuída e model serving. O Tech Challenge da fase envolve a entrega de uma solução de triagem automática de laudos médicos com DistilBERT ou rede neural equivalente, API REST, Docker, CI/CD, Airflow, Prometheus/Grafana e meta de latência P95 inferior a 200 ms.

Conhecimentos necessários:

• Experiência prática com MLOps, deploy de modelos de Machine Learning e operação de APIs de inferência em produção.
• Conhecimento em cloud computing aplicada a ML, incluindo ao menos um dos principais provedores: AWS, Azure ou GCP.
• Experiência com Docker, containers, registries, FastAPI/Flask e padrões de deploy batch, real-time e serverless.
• Conhecimento em CI/CD com GitHub Actions, testes automatizados, quality gates, ambientes de staging/produção, rollback e boas práticas de entrega contínua.
• Experiência com pipelines de ML, orquestração com Airflow ou ferramenta equivalente, MLflow, model registry, reprodutibilidade e data/model versioning.
• Conhecimento em observabilidade e monitoração com Prometheus, Grafana, Azure Monitor, AWS CloudWatch, métricas, logs, traces, SLOs, alertas e dashboards.
• Conhecimento em performance e latência de modelos, incluindo benchmarking, P50/P95/P99, throughput, profiling, ONNX, quantização, pruning, distillation, GPU/TPU, NLP/Transformers e inferência distribuída.

Disponibilidade necessária:

• Acessar e interagir na comunidade DISCORD ao menos 1 vez por dia.
• Participar de lives síncronas 1 vez por semana, das 19h às 21h.
• Realizar a correção dos trabalhos entregues pelos alunos a cada 2 meses, durante a semana.

Diferenciais:

• Experiência prévia com mentoria, tutoria ou ensino em cursos de tecnologia.
• Vivência no mercado de trabalho com cientista de dados.
• Experiência com plataformas de educação a distância e comunidades de aprendizagem online.

O que oferecemos:

• Atuação 100% remota e Flexibilidade de horários;
• Remuneração por hora de atuação;
• Contrato por projeto (PJ);
• Acompanhamento pedagógico e técnico durante toda sua jornada;
• Sua atuação como Mentor impactará milhares de estudantes em todo o Brasil.