Meu nome é Lucas, e atualmente trabalho como Engenheiro de aprendizado de máquina, liderando iniciativas de IA para clientes globais.

Minha formação acadêmica não é a mais convencional para essa função. Eu estudei Engenharia Mecânica, sem treinamento formal em Ciência da Computação ou uma especialização precoce em IA. O que eu tinha era uma base sólida de engenharia, um interesse de longa data em software e uma vontade de aprender por meio da experiência prática.

Hoje, eu sou um Líder técnico na Marvik, uma empresa prática de consultoria de IA criada para o presente. Apoiados pelos principais parceiros de tecnologia, como Nvidia e Oracle, ajudamos as organizações a passar da ideia à produção, de forma rápida, segura e em grande escala

Este artigo reflete sobre minha carreira, as principais lições aprendidas ao longo do caminho e as ideias que eu compartilharia com qualquer pessoa que considere uma carreira como Engenheiro de aprendizado de máquina.

Como minha carreira começou: engenharia mecânica e programação inicial

Eu originalmente me formei como engenheiro mecânico, mas meu relacionamento com o software começou muito antes. Comecei a programar por volta dos 15 anos, não com um objetivo de carreira em mente, mas por curiosidade e prazer. Eu gostava de construir coisas, experimentar e mexer nas primeiras linguagens de programação simplesmente porque era divertido. Na época, a engenharia parecia o caminho “sério”, e a programação era apenas um interesse secundário.

Isso mudou durante minha tese de mestrado em mecânica computacional. O trabalho combinou simulações numéricas, código personalizado e análise de dados para extrair insights significativos de engenharia de sistemas complexos. Pela primeira vez, Eu passava a maior parte do tempo escrevendo código, analisando saídas e raciocinando com dados, em vez de me concentrar em problemas puramente mecânicos. Logo ficou claro que essa era a parte do trabalho que eu mais gostei.. Quando me formei, a decisão parecia óbvia: em vez de seguir uma função tradicional de engenharia mecânica, passei diretamente para a ciência de dados e o aprendizado de máquina.

Meu início de carreira começou em um ambiente de consultoria de gerenciamento como cientista de dados júnior, trabalhando em problemas de negócios com dados do mundo real. Aprendi como as organizações realmente usam dados, escrevendo SQL, criando painéis e traduzindo análises em decisões, especialmente em setores com muitos dados, como varejo. A partir daí, passei para o aprendizado de máquina focado em produtos, desenvolvendo sistemas de recomendação e personalização que moldaram diretamente as experiências do usuário. Essa transição me ensinou uma lição fundamental: o aprendizado de máquina bem-sucedido não envolve apenas modelos melhores, mas também experimentação, medição e compensações pragmáticas em sistemas de produção. Essa experiência consolidou minha decisão de busque o aprendizado de máquina como uma carreira de longo prazo.

Por que eu também trabalhei como engenheiro de dados

Mais tarde, passei cerca de um ano trabalhando como Engenheiro de dados. Isso foi intencional. Eu queria entender o ciclo de vida completo dos sistemas de dados.

O trabalho de engenharia de dados é menos visível, mas essencial:

• qualidade e confiabilidade dos dados
• tubulações que não falham silenciosamente
• sistemas que escalam e chegam a tempo

Depois dessa experiência, minha conclusão foi simples: gostei tanto do lado da modelagem quanto do lado da engenharia. É quando o Engenheiro de aprendizado de máquina o papel realmente fazia sentido. Ele fica exatamente nessa interseção: construindo modelos e garantindo que eles funcionem de forma confiável na produção.

A realidade do papel do engenheiro de aprendizado de máquina em 2025+

Se você está considerando uma carreira como Engenheiro de aprendizado de máquina hoje, é importante entender como a função evoluiu.

Há alguns anos, as funções estavam claramente separadas:

• Cientistas de dados focados em experimentos e modelos
• Os engenheiros de ML lidaram com a implantação e o desempenho
• Engenheiros de dados gerenciaram pipelines e infraestrutura

Hoje, com LLMs e ferramentas modernas de IA, as empresas precisam cada vez mais engenheiros de IA de ponta a ponta. Pessoas que podem:

• Experimente com diferentes modelos
• Integre-os ao código de nível de produção
• Avalie o desempenho
• Gerencie a confiabilidade, o custo e a segurança
• Entenda as limitações dos sistemas baseados em IA

Os fundamentos do ML ainda são importantes. Mas o valor real agora vem de saber como transforme a IA em software utilizável, não apenas otimizando um modelo em um notebook.

Como me mantenho atualizado em um setor de IA em rápida evolução

Trabalhar em projetos reais de IA é a melhor maneira de se manter atualizado. Além disso, tento ser intencional sobre de onde obtenho informações.

O que funciona para mim:

• Usando o LinkedIn como um sinal, não como a história completa
• Seguindo pessoas que realmente constroem e enviam sistemas de IA
• Lendo artigos ou resumos quando me preocupo profundamente com um tópico
• Construindo pequenos projetos para que as tendências se transformem em experiência real

O objetivo não é perseguir cada novo lançamento. É para entender o que ainda importará no próximo ano e como o setor está evoluindo com o tempo.

Um projeto de aprendizado de máquina que mudou a forma como eu vejo o valor da IA

Na Marvik, trabalhei com clientes em todo o mundo, desde empresas que estão começando sua jornada de IA até grandes organizações da Fortune 500. Um dos projetos mais impactantes envolveu um cliente sobrecarregado com documentos internos e pesquisas de mercado. Eles tinham um vasto repositório de informações valiosas, mas nenhuma forma eficaz de acessá-las, estruturá-las ou usá-las para apoiar seus esforços de marketing.

Criamos um sistema baseado em IA que lhes permitiu:

• Resuma documentos longos em insights executivos dinâmicos
• Consulte seus próprios dados de forma conversacional, garantindo que todas as respostas tenham um documento de origem
• Classifique e organize as informações por tópico, melhorando a experiência de navegação

O sucesso do projeto não se baseou em demonstrações chamativas. Tratava-se de economizar tempo, melhorar a tomada de decisões e tornar os dados existentes utilizáveis.

O que eu recomendo antes de ser entrevistado como engenheiro de aprendizado de máquina

Se você está se preparando para um Engenheiro de aprendizado de máquina papel, especialmente na consultoria de IA, eis o que mais importa:

Principais habilidades de engenharia

• Python forte
• SQL e experiência com dados tabulares
• Fundamentos de back-end para criar serviços, com foco em estruturas como FastAPI ou Django

Fundamentos do aprendizado de máquina

• ML clássico e redes neurais
• Avaliação do modelo e compensações
• Experiência prática de treinamento e validação

Sistemas modernos de IA

• Construção de experiência com LLMs ou agentes
• Compreender as limitações, a segurança e a confiabilidade
• Saber como empacotar modelos com software real
• Uma sólida compreensão dos fundamentos subjacentes que fazem os LLMs funcionarem.

Por que trabalhar na Marvik mudou minha carreira

Eu entrei Marvik como engenheiro de aprendizado de máquina há cerca de dois anos e meio. Hoje, eu trabalho como Líder de tecnologia.

O que fez a diferença não foi apenas o crescimento do título, mas o crescimento do escopo e da responsabilidade.

IA real, em produção

Na Marvik, a expectativa é sempre construir sistemas de IA que funcionem em ambientes reais, com restrições reais. Não paramos no nível de experimentação, implantamos soluções de IA do mundo real em ambientes de produção.

Exposição a diversos projetos

Trabalhei com grandes empresas e startups, em vários setores, resolvendo problemas muito diferentes. Essa variedade acelera o aprendizado de uma forma que poucas funções podem.

Trabalho tecnicamente desafiador

Muitos projetos começam sem uma solução clara. Pesquisa, experimentação e iteração fazem parte do trabalho, não exceções.

Cultura forte e padrões técnicos

Há um raro equilíbrio entre antiguidade, curiosidade e abertura. É um lugar onde você pode fazer perguntas, aprender rápido e melhorar continuamente.

Está pensando em trabalhar na Marvik?

Se você está pensando em se juntar à Marvik, aqui está meu conselho honesto:

• Seja claro sobre o que você construiu e aprendeu
• Mostre que você pode pensar de ponta a ponta, não apenas no nível do modelo
• Esteja confortável com a ambigüidade
• Concentre-se em oferecer valor comercial real com IA

Se você gosta de resolver problemas complexos em que a solução não é óbvia desde o primeiro dia, provavelmente gostará de trabalhar aqui. Você pode explorar nossas vagas abertas aqui.

Se você está explorando uma carreira como Engenheiro de aprendizado de máquina, fazendo a transição de outro campo ou curioso sobre como é um trabalho real de consultoria de IA, sinta-se à vontade para entrar em contato comigo no LinkedIn.

Posso não ter todas as respostas, mas sempre darei a resposta honesta.