Data Engineer II

👉 Quais serão os seus desafios com a gente?

• Construir produtos AI-driven para o ecossistema de dados (agentes, chatbots, sistemas de reescrita automática de queries, geração automatizada de modelos e documentação);
• Ajudar a manter a confiabilidade dos sistemas agênticos (guardrails, validações e observabilidade, como LangFuse) para lidar com o não-determinismo em produção;
• Trabalhar com MCPs e integrações entre ferramentas, construindo e evoluindo MCPs internos;
• Participar das decisões técnicas avaliando trade-offs (RAG vs LLM Wiki, heurística vs LLM, custo vs latência vs qualidade), conduzindo experimentos comparativos;
• Participar de code reviews, com atenção a performance, custo de tokens e manutenibilidade;
• Colaborar com Data Platform e Analytics Engineering para conectar os produtos da plataforma ao consumo real dos times.

👉 O que esperamos que você tenha:

• Python e SQL;
• Experiência prática construindo e colocando em produção produtos de IA (uso intenso de LLMs no dia a dia: agentes, APIs de modelos, skills/plugins como as do Claude Code), não apenas uso casual;
• Lógica de programação, algoritmos e estruturas de dados;
• Orquestração de pipelines (Airflow, Dagster) e transformação de dados com dbt (ou Dataform);
• Boa familiaridade com sistemas e arquiteturas de Cloud (preferencialmente GCP/BigQuery);
• Experiência com deploy (Kubernetes, Docker, Cloud Run);
• Noção de como integrar sistemas (APIs, webhooks).

Será um diferencial se você tiver:

• Sistemas agênticos em produção (engenharia de prompts, orquestração de agentes, tools, sub-agentes, paralelismo, retry e fallback);
• MCP, Model Context Protocol (construção ou consumo de MCPs para padronizar acesso de agentes a fontes de dados);
  
• RAG e arquiteturas alternativas (ex.: síntese prévia estilo LLM Wiki) e seus trade-offs;
• Avaliação de sistemas de IA (LangFuse, métricas de qualidade/custo/latência, design de evals para sistemas não determinísticos);
• Desenvolvimento orientado a spec (Spec Kit, SDD): constitutions, quality gates e specs versionadas guiando a implementação;
• Gestão e integração com plataformas de visualização (Metabase, Looker, Tableau) via API;
• Skills do Claude Code para automatizar fluxos do time;
• Infraestrutura como código (Terraform);
• Construção de serviços HTTP (FastAPI) e bots/integrações Slack.

Um dos pilares da Arcotech é a diversidade. Nossa motivação é nos manter em movimento, inovando e levando as tecnologias educacionais a patamares ainda não vistos. Para isso acreditamos na força da palavra equidade e no respeito à igualdade de direito. Aqui reconhecemos as singularidades, as diferenças e abraçamos a todes.