Cientista de Dados Pleno / Sênior - AWS

Digiage Technologies; Campinas; Híbrido; BRL 180 000 - 320 000; Tempo integral

Resumo da oferta

A Digiage Technologies procura um(a) Cientista de Dados Pleno / Sênior para atuar no desenvolvimento de modelos preditivos de ML em ambiente AWS. Você fará parte de um time multidisciplinar e terá atuação desde a exploração de dados até o deployment.

O papel envolve testes de hipóteses, validação de modelos, e entrega de soluções analíticas com stakeholders técnicos e de negócio, com foco em produção escalável.

Qualificações

• Experiência sólida em ciência de dados e ML em ambiente de cloud.
• Capacidade de desenvolver, treinar e validar modelos preditivos.
• Experiência com pipelines de dados e ETL/ELT.
• Conhecimentos avançados em Python e SQL, com prática em MLOps.
• Conhecimento de frameworks ML (scikit-learn, TensorFlow, PyTorch) e ferramentas AWS.
• Capacidade de comunicar resultados para público técnico e de negócio.

Responsabilidades

• Desenvolver, treinar, validar e otimizar modelos preditivos de ML.
• Realizar EDA, tratamento de dados, engenharia de features.
• Conduzir experimentos e benchmark de modelos.
• Colocar modelos em produção com AWS SageMaker e serviços correlatos.
• Monitorar performance de modelos em produção e retraining.
• Documentar métodos, resultados e processos para stakeholders.
• Colaborar com Engenheiros de Dados na construção de pipelines.
• Traduzir problemas de negócio em soluções analíticas.

Conhecimentos

Python

Pandas

Scikit-learn

Numpy

XGBoost

LightGBM

TensorFlow

PyTorch

AWS SageMaker

S3

Glue

Athena

Redshift

SQL

MLflow

Git

MLOps

Estatística

OpenLineage

Databricks

Ferramentas

Databricks

Apache Atlas

Collibra

OpenLineage

Descrição da oferta de emprego

Junte-se à Digiage e ajude a escalar a inteligência artificial com excelência operacional.

Estamos em busca de um(a) Cientista de Dados Pleno / Sênior para atuar em projetos estratégicos, no desenvolvimento de modelos preditivos de Machine Learning em ambiente cloud AWS, integrando um time multidisciplinar de Arquitetos de Dados, Engenheiros de Dados, Modeladores e Analistas Funcionais.

Responsabilidades:

• Desenvolver, treinar, validar e otimizar modelos preditivos de Machine Learning (classificação, regressão, séries temporais, etc.) alinhados aos objetivos de negócio
• Realizar análise exploratória de dados (EDA), tratamento, limpeza e engenharia de features
• Selecionar algoritmos adequados e conduzir experimentos comparativos (benchmarking de modelos)
• Colocar modelos em produção (deploy) utilizando serviços AWS (SageMaker, Lambda, Step Functions, etc.)
• Monitorar performance dos modelos em produção (drift, degradação, retraining)
• Documentar processos, metodologias e resultados de forma clara para stakeholders técnicos e de negócio
• Colaborar com Engenheiros de Dados na construção de pipelines de dados (ETL/ELT) que alimentam os modelos
• Traduzir problemas de negócio em soluções analíticas e apresentar resultados de forma acessível para áreas não técnicas
• Participar de rituais ágeis (dailies, plannings, reviews) conforme metodologia do projeto
• Sólida experiência em Python (pandas, scikit-learn, numpy) e/ou R
• Experiência prática com frameworks de ML: scikit-learn, XGBoost, LightGBM, TensorFlow ou PyTorch
• Vivência comprovada em ambiente AWS, incluindo: Amazon SageMaker (treinamento e deploy de modelos), S3 (armazenamento de dados), Glue / Athena (catalogação e consultas), Redshift (data warehouse) e Lambda / Step Functions (orquestração)
• Conhecimento de SQL avançado
• Experiência com versionamento de modelos e MLOps (MLflow, SageMaker Pipelines, ou similar)
• Conhecimento em estatística aplicada (testes de hipótese, distribuições, inferência)
• Experiência com Git e boas práticas de código

Diferenciais:

• Certificações AWS (AWS Certified Machine Learning – Specialty, AWS Certified Data Analytics)
• Experiência com ferramentas de Data Lineage (Apache Atlas, Collibra, Alation, OpenLineage)
• Vivência em projetos de setor de seguros e financeiro,
• Conhecimento em Databricks
• Autonomia e senso de dono sobre os modelos entregues
• Comunicação clara para traduzir resultados técnicos a públicos não técnicos (C-level, áreas de negócio)
• Capacidade de trabalhar em ambiente multidisciplinar e colaborativo
• Adaptabilidade a diferentes metodologias (Kanban, Scrum) conforme o projeto