Desenvolver modelos de machine learning, análises estatísticas e soluções de dados que apoiem a tomada de decisão.
Trabalhar próximo aos times de negócios e engenharia para entregar valor por meio de análises e modelos confiáveis.
Desenvolver e treinar modelos de machine learning (classificação, regressão, clusterização, séries temporais);
Realizar análises exploratórias de dados, limpeza, transformação e preparação de datasets;
Criar protótipos de modelos e documentar hipóteses, experimentos e resultados;
Preparar e automatizar pipelines de coleta e tratamento de dados com Engenharia de Dados;
Realizar validação estatística, tuning de hiperparâmetros e testes A/B;
Apoiar equipes de produto e negócio com insights baseados em dados;
Construir dashboards e análises em ferramentas como Power BI, Tableau ou Looker;
Utilizar boas práticas de versionamento de código e documentação;
Garantir qualidade dos dados e consistência dos modelos aplicados;
Participar de comunidades internas de dados, compartilhando aprendizados e boas práticas.
Requirements
Graduação em nível superior na área de conhecimento de Ciência de Dados, Tecnologia da Informação, Engenharia, Matemática, Estatística, Física ou Química; ou graduação em nível superior em qualquer área de conhecimento acrescida de curso de pós-graduação (especialização, mestrado ou doutorado) com duração mínima de 360 horas na área de conhecimento de Ciência de Dados, Tecnologia da Informação, Engenharia, Matemática, Estatística, Física ou Química.
CERTIFICAÇÃO DESEJÁVEL: AWS Certified Machine Learning – Specialty ou equivalente.
Microsoft Certified: Azure AI Engineer Associate ou equivalente.
Microsoft Certified: Azure Data Scientist Associate ou equivalente.
Associate Certified Analytics Professional (aCAP®) ou equivalente.
Experiência desejável: 02 anos na área de atuação como Cientista de Dados, Analista de Sistemas ou similar, atuando no desenvolvimento de soluções de software na área de Ciência de Dados.
Conhecimentos: Técnicas para lidar com datasets desbalanceados; Aplicação de técnicas como PCA, t-SNE, SVD; Processamento de Linguagem Natural (NLP).