Cientista de dados

EnvironBIT; Minas Gerais; Remote; BRL 52,809 - 63,254; Full time

Benefits offered by this job

Bolsa de Desenvolvimento Tecnológico de R$ 5.200,00

Job summary

Uma empresa de serviços ambientais está procurando um Cientista de Dados para desenvolver modelos preditivos de risco para acidentes rodoviários. O candidato ideal deve ter formação superior em ciências exatas, experiência com machine learning e dados geoespaciais, e deve residir em Minas Gerais, pois o trabalho é 100% remoto.

Qualifications

• Formação superior em ciências exatas.
• Mínimo 2 anos de experiência prática em machine learning.
• Necessária experiência com dados geoespaciais.

Responsibilities

• Desenvolver modelos preditivos de risco de acidentes rodoviários.
• Colaborar em ambiente multidisciplinar com especialistas.
• Implementar validação de modelos e justificar calibrações.

Skills

Experiência em machine learning aplicado

Experiência com dados geoespaciais

Proficiência em Python

Capacidade de comunicação clara

Education

Doutorado em ciências exatas ou 6 anos de graduação concluída

Tools

Geopandas

Shapely

PostGIS

XGBoost

scikit-learn

pandas

Job description

Cientista de Dados – Modelagem Espacial

Você deve preencher o formulário disponível no link abaixo

https://striped-owner-101.notion.site/1ee1d5630e8e807d8cabdaf14e485a7e?pvs=105

Contratação

• Tipo de Bolsa: Bolsa de Desenvolvimento Tecnológico DT-I — R$ 5.200,00 (Valores fixos conforme edital FAPEMIG; sem negociação)
• Contratação como pessoa física, sem vínculo CLT, MEI ou PJ.
• Local de Trabalho 100 % home‑office, obrigatoriamente residente em Minas Gerais.
• Formação: Graduação e experiência equivalente (≥6 anos) em ciência de dados, modelagem espacial de dados ambientais ou áreas correlatas ou Doutorado na área.

IMPORTANTE

Esses requisitos são exigência da FAPEMIG, não sendo possível alterar qualquer ponto.

Descrição Geral

O Cientista de Dados será responsável pelo desenvolvimento de modelos preditivos segmentados de risco de acidentes rodoviários, utilizando dados geoespaciais, telemática veicular e infraestrutura viária. O foco será a criação de algoritmos robustos para identificar, prever e priorizar áreas de alto risco nas estradas brasileiras, bem como atuar em ambiente multidisciplinar colaborando com engenheiros de dados, especialistas em GIS e biólogos.

Principais Atividades

Modelagem Preditiva Segmentada

• Desenvolver modelos independentes (R1‑R5) usando XGBoost, RandomForest, entre outros.
• Criar modelo agregador integrando os outputs especializados.
• Incorporar transfer learning e telemática (velocidade, frenagem, etc.).

Feature Engineering & Dados Geoespaciais

• Selecionar e transformar features críticas (curvatura, gradiente, faixas, clima, tipo veículo, etc.).
• Clean, integrar e tratar grandes bases heterogêneas (rodovias, clima, fauna, acidentes).
• Operar agregação espacial com H3, imputação por vizinhança e filtros para outliers.

Validação Avançada & Transferência

• Implementar validação Leave-One-Corridor Out (LOCO).
• Justificar o uso de gates de extrapolação e calibração Platt scaling.
• Calibrar thresholds por tipo de acidente visando sensibilidade e precisão.

Interpretabilidade & Comunicação

• Gerar explicabilidade de modelos usando SHAP (top features, dependências).
• Elaborar relatórios mensais e dashboards técnicos.
• Recomendar intervenções específicas baseadas em outputs analíticos.

Integração com Engenharia de Dados & Deploy

• Colaborar em API REST, exportação de modelos e integração com bancos PostGIS/H3.
• Apoiar design de ETL e operacionalização (on‑premise/nuvem).

Requisitos Obrigatórios

• Formação superior em ciências exatas; necessário doutorado ou 6 anos de graduação concluída.
• Forte experiência em machine learning aplicado (mínimo 2 anos prática, 3 anos em Python).
• Experiência comprovada com dados geoespaciais (Geopandas, Shapely, PostGIS).
• Proficiência em pandas, scikit‑learn, XGBoost, SHAP.
• Sólida base de estatística, inferência, validação cruzada e métricas.
• Experiência com bancos GIS; manuseio eficiente de dados espaciais.
• Inglês técnico para compreensão de documentação e papers.

Diferenciais (Desejáveis)

• Experiência com transfer learning, multi‑task learning.
• Domínio de deploy de modelos via API (FastAPI, Flask) e cloud (GCP, AWS).
• Vivência com telemática (dados GPS, séries temporais, LSTM, CNN).
• Familiaridade com MLOps, MLflow, detecção e monitoramento de drift.
• Experiência quantitativa em análise de segurança viária ou ecologia de estradas.
• Proatividade no uso de IA generativa (ChatGPT, Copilot).

Soft Skills

• Pensamento crítico, solução de problemas e autonomia analítica.
• Capacidade de comunicação clara para equipes técnicas e não técnicas.
• Facilidade para ambientes multidisciplinares (dados, GIS, fauna, engenharia).

Industries

Environmental Services