Cientista De Dados Sênior

Dataex; Teletrabalho; BRL 80.000 - 120.000; Tempo integral

Resumo da oferta

Uma empresa de tecnologia em Atibaia está em busca de um profissional apaixonado por dados. O candidato ideal deve ter experiência em Visão Computacional, Machine Learning e excelente domínio de Python (Pandas, Scikit-Learn, OpenCV) e SQL. O trabalho envolve desenvolvimento de modelos preditivos, análise descritiva de dados e colaboração em equipe. A vaga oferece contrato PJ e modalidade Home Office.

Serviços

Home Office

Qualificações

• Experiência sólida em Ciência de Dados, abrangendo coleta, transformação e modelagem de dados.
• Domínio em ferramentas de visualização de dados e compreensão de padrões ocultos.
• Fortes conhecimentos em Python, especialmente nas bibliotecas Pandas, Scikit-Learn e OpenCV.

Responsabilidades

• Desenvolver soluções no Lab de Inovação do Cliente.
• Realizar análises descritivas e explorar dados para desenvolver hipóteses.
• Criar e validar modelos preditivos usando técnicas de ML.
• Trabalhar em colaboração com equipes multidisciplinares para resolver problemas.

Conhecimentos

Machine Learning

Visão Computacional

Python

Análise Descritiva

SQL

Formação académica

Mestrado ou Doutorado em Ciência da Computação, Matemática, Estatística, Economia, Engenharia ou áreas correlatas

Ferramentas

AWS

Azure

Databricks

Descrição da oferta de emprego

Se você é apaixonado por dados e desafios analíticos, essa vaga é para você! Profissional com sólida experiência em Visão Computacional, Machine Learning e análise estatística, atuando em todas as etapas do ciclo de dados — da coleta e transformação à modelagem e diagnóstico de performance. Domínio em Python (Pandas, Scikit-Learn, OpenCV), SQL e Cloud AWS, com forte foco em extrair padrões ocultos, gerar insights valiosos e impulsionar decisões baseadas em dados.

Informações

• Modelo de trabalho via contrato PJ;
• Home Office;

Requisitos

• Conhecimentos em Cloud Azure, AWS e Databricks.
• (Foco em AWS) Conhecimentos do processo de construção de modelos.
• Análise Descritiva e Exploratória de Dados.
• Teste de Hipóteses Inferência Clássica e Bayesiana.
• Construção de modelos Estatísticos de Machine Learning.
• Análise de Diagnósticos.
• Fortes Conhecimentos de Python / R.
• Experiência com análise de dados para descobrir padrões ocultos.
• Conhecimento em ferramentas de visualização de dados.
• Experiência com análise e resolução de problemas relacionados a dados.
• Experiência com programação em Python e seu ecossistema de análise de dados (Pandas, Scikit-Learn, Numpy, Pillow e OpenCV).
• Experiência com extração e análise de banco de dados (SQL).
• Experiência com limpeza e transformação de dados (Feature Engineering).
• Experiência com Algoritmos de Regressão, Classificação e Clustering.
• Experiência com Reinforcement Learning e Association Rules Learning.

Diferenciais

• Inglês avançado.
• Mestrado ou Doutorado em Ciência da Computação, Matemática, Estatística, Economia, Engenharia ou áreas correlatas.
• Experiência com os ambientes Airflow, Git, Cloud Azure, Pentaho Data Integration.
• Experiência com MS Fabric, Copilot Studio, Data Factory, Databricks, PowerBI, Kafka, Spark, Spark Streaming.
• Experiência com ML, DL, AutoML, MLOps e Engenharia de Dados.

Atividades

Foco no desenvolvimento de soluções dentro do Lab de Inovação do Cliente.

Realizar análises descritivas e exploratórias para entendimento de dados e levantamento de hipóteses técnicas.

Desenvolver modelagem preditiva utilizando o estado da arte em Machine Learning e as métricas adequadas para seleção de modelos. Validar tecnicamente a utilização dos modelos preditivos.

Desenvolver certificação prática do desempenho dos modelos (teste A / B, controle / intervenção, planejamento e experimentos).

Colaborar com o time de Estatísticos, Engenheiros em Machine Learning, Economistas para resolver problemas usando Data Science.

Validação de estruturas de dados e Feature Engineering.

Trabalhar com o time de Engenheiros de Dados e Arquitetos de Dados na criação de Datasets para treinamento de múltiplos modelos.

Coletar, limpar, armazenar, organizar, integrar dados e ajudar na criação de pipelines de dados. Auxiliar na expansão do uso da ciência de dados nas frentes dos negócios.