---

name: "senior-ml-engineer" description: "Skill de engenharia de ML para colocar modelos em produção, construir pipelines MLOps e integrar LLMs. Cobre implantação de modelos, feature stores, monitoramento de drift, sistemas RAG e otimização de custos. Use quando o usuário perguntar sobre implantar modelos de ML em produção, configurar infraestrutura MLOps (MLflow, Kubeflow, Kubernetes, Docker), monitorar performance ou drift de modelos, construir pipelines RAG ou integrar APIs de LLM com lógica de retry e controles de custo." agents:

• claude-code

---

Engenheiro de ML Sênior

Padrões de engenharia de ML em produção para implantação de modelos, infraestrutura MLOps e integração de LLM.

---

Sumário

• Workflow de Implantação de Modelo
• Configuração de Pipeline MLOps
• Workflow de Integração de LLM
• Implementação de Sistema RAG
• Monitoramento de Modelo
• Documentação de Referência
• Ferramentas

---

Workflow de Implantação de Modelo

Implante um modelo treinado em produção com monitoramento:

1. Exporte o modelo para formato padronizado (ONNX, TorchScript, SavedModel)
2. Empacote o modelo com dependências em container Docker
3. Implante no ambiente de staging
4. Execute testes de integração no staging
5. Implante canary (5% do tráfego) em produção
6. Monitore latência e taxas de erro por 1 hora
7. Promova para produção completa se as métricas passarem
8. Validação: latência p95 < 100ms, taxa de erro < 0,1%

Template de Container

FROM python:3.11-slim

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY model/ /app/model/
COPY src/ /app/src/

HEALTHCHECK CMD curl -f http://localhost:8080/health || exit 1

EXPOSE 8080
CMD ["uvicorn", "src.server:app", "--host", "0.0.0.0", "--port", "8080"]

Opções de Serving

Opção	Latência	Throughput	Caso de Uso
FastAPI + Uvicorn	Baixa	Médio	REST APIs, modelos pequenos
Triton Inference Server	Muito Baixa	Muito Alto	Inferência GPU, batching
TensorFlow Serving	Baixa	Alto	Modelos TensorFlow
TorchServe	Baixa	Alto	Modelos PyTorch
Ray Serve	Média	Alto	Pipelines complexos, multi-modelo

---

Configuração de Pipeline MLOps

Estabeleça treinamento e implantação automatizados:

1. Configure feature store (Feast, Tecton) para dados de treinamento
2. Configure tracking de experimentos (MLflow, Weights & Biases)
3. Crie pipeline de treinamento com logging de hiperparâmetros
4. Registre o modelo no model registry com metadados de versão
5. Configure implantação em staging acionada por eventos do registry
6. Configure infraestrutura de teste A/B para comparação de modelos
7. Habilite monitoramento de drift com alertas
8. Validação: Novos modelos avaliados automaticamente contra baseline

Padrão de Feature Store

from feast import Entity, Feature, FeatureView, FileSource

user = Entity(name="user_id", value_type=ValueType.INT64)

user_features = FeatureView(
    name="user_features",
    entities=["user_id"],
    ttl=timedelta(days=1),
    features=[
        Feature(name="purchase_count_30d", dtype=ValueType.INT64),
        Feature(name="avg_order_value", dtype=ValueType.FLOAT),
    ],
    online=True,
    source=FileSource(path="data/user_features.parquet"),
)

Gatilhos de Retreinamento

Gatilho	Detecção	Ação
Agendado	Cron (semanal/mensal)	Retreinamento completo
Queda de performance	Acurácia < threshold	Retreinamento imediato
Drift de dados	PSI > 0,2	Avaliar, depois retreinar
Volume de novos dados	X novas amostras	Atualização incremental

---

Workflow de Integração de LLM

Integre APIs de LLM em aplicações de produção:

1. Crie camada de abstração de provedor para flexibilidade de vendor
2. Implemente lógica de retry com backoff exponencial
3. Configure fallback para provedor secundário
4. Configure contagem de tokens e truncamento de contexto
5. Adicione cache de resposta para queries repetidas
6. Implemente rastreamento de custo por requisição
7. Adicione validação de saída estruturada com Pydantic
8. Validação: Resposta parseia corretamente, custo dentro do orçamento

Abstração de Provedor

from abc import ABC, abstractmethod
from tenacity import retry, stop_after_attempt, wait_exponential

class LLMProvider(ABC):
    @abstractmethod
    def complete(self, prompt: str, **kwargs) -> str:
        pass

@retry(stop=stop_after_attempt(3), wait=wait_exponential(min=1, max=10))
def call_llm_with_retry(provider: LLMProvider, prompt: str) -> str:
    return provider.complete(prompt)

Gerenciamento de Custos

Provedor	Custo de Entrada	Custo de Saída
GPT-4	$0,03/1K	$0,06/1K
GPT-3.5	$0,0005/1K	$0,0015/1K
Claude 3 Opus	$0,015/1K	$0,075/1K
Claude 3 Haiku	$0,00025/1K	$0,00125/1K

---

Implementação de Sistema RAG

Construa pipeline de geração aumentada por recuperação:

1. Escolha o banco de dados vetorial (Pinecone, Qdrant, Weaviate)
2. Selecione o modelo de embedding com base na relação qualidade/custo
3. Implemente estratégia de chunking de documentos
4. Crie pipeline de ingestão com extração de metadados
5. Construa recuperação com embedding de query
6. Adicione reranking para melhoria de relevância
7. Formate o contexto e envie para o LLM
8. Validação: Resposta referencia contexto recuperado, sem alucinações

Seleção de Banco de Dados Vetorial

Banco de Dados	Hospedagem	Escala	Latência	Melhor Para
Pinecone	Gerenciado	Alta	Baixa	Produção, gerenciado
Qdrant	Ambos	Alta	Muito Baixa	Crítico em performance
Weaviate	Ambos	Alta	Baixa	Busca híbrida
Chroma	Self-hosted	Média	Baixa	Prototipagem
pgvector	Self-hosted	Média	Média	Postgres existente

Estratégias de Chunking

Estratégia	Tamanho do Chunk	Sobreposição	Melhor Para
Fixo	500-1000 tokens	50-100	Texto geral
Por sentença	3-5 sentenças	1 sentença	Texto estruturado
Semântico	Variável	Baseado em significado	Artigos de pesquisa
Recursivo	Hierárquico	Parent-child	Documentos longos

---

Monitoramento de Modelo

Monitore modelos em produção para drift e degradação:

1. Configure rastreamento de latência (p50, p95, p99)
2. Configure alertas de taxa de erro
3. Implemente detecção de drift nos dados de entrada
4. Rastreie mudanças na distribuição de predições
5. Registre ground truth quando disponível
6. Compare versões de modelo com métricas A/B
7. Configure gatilhos de retreinamento automatizados
8. Validação: Alertas disparam antes de degradação visível ao usuário

Detecção de Drift

from scipy.stats import ks_2samp

def detect_drift(reference, current, threshold=0.05):
    statistic, p_value = ks_2samp(reference, current)
    return {
        "drift_detected": p_value < threshold,
        "ks_statistic": statistic,
        "p_value": p_value
    }

Thresholds de Alerta

Métrica	Atenção	Crítico
Latência p95	> 100ms	> 200ms
Taxa de erro	> 0,1%	> 1%
PSI (drift)	> 0,1	> 0,2
Queda de acurácia	> 2%	> 5%

---

Documentação de Referência

Padrões de Produção MLOps

references/mlops_production_patterns.md contém:

• Pipeline de implantação de modelo com manifestos Kubernetes
• Arquitetura de feature store com exemplos Feast
• Monitoramento de modelo com código de detecção de drift
• Infraestrutura de teste A/B com divisão de tráfego
• Pipeline de retreinamento automatizado com MLflow

Guia de Integração de LLM

references/llm_integration_guide.md contém:

• Padrão de camada de abstração de provedor
• Estratégias de retry e fallback com tenacity
• Templates de prompt engineering (few-shot, CoT)
• Otimização de tokens com tiktoken
• Cálculo e rastreamento de custos

Arquitetura de Sistema RAG

references/rag_system_architecture.md contém:

• Implementação do pipeline RAG com código
• Comparação e integração de banco de dados vetorial
• Estratégias de chunking (fixo, semântico, recursivo)
• Guia de seleção de modelo de embedding
• Padrões de busca híbrida e reranking

---

Ferramentas

Pipeline de Implantação de Modelo

python scripts/model_deployment_pipeline.py --model model.pkl --target staging

Gera artefatos de implantação: Dockerfile, manifestos Kubernetes, health checks.

RAG System Builder

python scripts/rag_system_builder.py --config rag_config.yaml --analyze

Cria scaffolding do pipeline RAG com integração de vector store e lógica de recuperação.

Suite de Monitoramento de ML

python scripts/ml_monitoring_suite.py --config monitoring.yaml --deploy

Configura detecção de drift, alertas e painéis de performance.

---

Tech Stack

Categoria	Ferramentas
Frameworks de ML	PyTorch, TensorFlow, Scikit-learn, XGBoost
Frameworks LLM	LangChain, LlamaIndex, DSPy
MLOps	MLflow, Weights & Biases, Kubeflow
Dados	Spark, Airflow, dbt, Kafka
Implantação	Docker, Kubernetes, Triton
Bancos de Dados	PostgreSQL, BigQuery, Pinecone, Redis