Cientista de Dados Sênior

DataEX; Teletrabalho; BRL 80.000 - 120.000; Tempo parcial

Resumo da oferta

Uma empresa de tecnologia especializada em dados está em busca de um profissional apaixonado por dados e desafios analíticos. O candidato ideal deve ter sólida experiência em visão computacional, machine learning e análise estatística, dominando Python, SQL e ferramentas na nuvem como AWS. O trabalho será desenvolvido remotamente, com foco em desenvolver soluções inovadoras e aplicadas no Lab de Inovação do Cliente, analisando dados para gerar insights valiosos e apoiar decisões estratégicas.

Serviços

Modelo de trabalho via contrato PJ

Home Office

Qualificações

• Sólida experiência em visão computacional e machine learning.
• Domínio em Python e SQL.
• Experiência em análise descritiva e exploratória de dados.

Responsabilidades

• Desenvolver soluções no Lab de Inovação do Cliente.
• Realizar análises descritivas e exploratórias.
• Desenvolver modelagem preditiva e validar tecnicamente modelos.

Conhecimentos

Visão Computacional

Machine Learning

Análise Estatística

Análise Descritiva

Programação em Python

SQL

Formação académica

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

Ferramentas

AWS

Azure

Databricks

Pandas

Scikit-Learn

OpenCV

PowerBI

Spark

Kafka

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.