Cientista de Dados Sênior

Meu Home; Brasil; Remote; BRL 180,000 - 320,000; Full time

Job summary

Meu Home está em busca de um(a) Cientista de Dados Sênior para liderar projetos de modelagem de risco e ML. Você desenvolverá modelos avançados para previsão de eventos de risco, churn e propensão de leads, com foco em levar soluções a produção.

Você atuará com Python/R, SQL avançado e Databricks, contribuindo com engenharia de features, pipelines escaláveis e storytelling de dados para stakeholders. Desafios em AWS e arquitetura de dados companion await.

Qualifications

• Experiência sólida como Cientista de Dados, com atuação em ML em produção.
• Domínio avançado de Python e/ou R para análise estatística e ML.
• SQL avançado para consulta e manipulação de grandes volumes de dados.
• Experiência prática com Databricks (PySpark, Spark SQL, Delta Lake, MLflow).
• Conhecimento em técnicas de ML (classificação, regressão) e avaliação de modelos.
• Conhecimento em ML ops e monitoramento de modelos em produção.

Responsibilities

• Desenhar, treinar e validar modelos preditivos e prescritivos (ex.: churn, lead scoring, risco de sinistro).
• Explorar bases de dados para engenharia de features com pipelines eficientes.
• Trabalhar em ambiente cloud (AWS) e Databricks para garantir escalabilidade e reprodutibilidade.
• Operacionalizar modelos: deploy, monitoramento, retraining e drift detection.
• Traduzir métricas técnicas em insights acionáveis para leadership e negócios.

Skills

Python

R

SQL

XGBoost

LightGBM

Random Forest

Logistic Regression

PCA

K-Means

DBSCAN

Tools

Databricks

PySpark

Spark SQL

Delta Lake

MLflow

AWS

Job description

Job Description

Vaga: Cientista de Dados Sênior (Foco em Modelagem de Risco & ML)

Sobre a Oportunidade

Estamos em busca de um(a) Cientista de Dados Sênior altamente analítico(a), proativo(a) e orientado(a) a resultados para se juntar ao nosso time de Modelagem.

Nesta posição, você será responsável por conceber, desenvolver e colocar em produção modelos de Machine Learning avançados com foco em previsão de eventos de risco e comportamento. Você atuará diretamente na criação de soluções para prevenção de Churn, qualificação e propensão de Leads, análise de Risco de Sinistro e Clusterização/Segmentação de clientes/corretores e outros assuntos, gerando impacto direto nas tomadas de decisão estratégicas e nos resultados de negócio.

Principais Responsabilidades

• • Desenvolvimento de Modelos: Desenhar, treinar e validar modelos preditivos e prescritivos (ex.: Churn, Lead Scoring, Risco de Sinistro/Fraude, Clusterização/Segmentação).

  • Engenharia de Features: Explorar bases de dados complexas para identificar variáveis relevantes, criando pipelines eficientes de feature engineering.

  • Pipeline e Arquitetura de ML: Trabalhar em ambiente cloud (AWS) e ambiente de dados unificado (Databricks), garantindo a escalabilidade e reprodutibilidade dos experimentos/modelos.

  • Operacionalização: Colaborar no deploy, monitoramento contínuo, retraining e drift detection dos modelos colocados em produção.

  • Comunicação e Data Storytelling: Traduzir métricas técnicas e algoritmos em insights claros e acionáveis para stakeholders e líderes de negócios.

• Requisitos e Qualificações

  • Experiência Profissional: Sólida atuação prévia como Cientista de Dados, com histórico comprovado de modelos de ML rodando em ambiente de produção.

  • Linguagens de Programação: Domínio avançado de Python e/ou R para análise estatística, manipulação de dados e Machine Learning.

  • Manipulação de Dados: SQL avançado para consulta, agregação e manipulação de grandes volumes de dados.

  • Plataforma de Dados: Experiência prática trabalhando com Databricks (PySpark, Spark SQL, Delta Lake, MLflow).

  • Conhecimento Estatístico e ML: Forte base matemática e estatística, além de domínio em técnicas como:

  • Algoritmos de Classificação e Regressão (XGBoost, LightGBM, Random Forest, Regressão Logistica/Linear, etc.).

  • Algoritmos de Aprendizado Não Supervisionado (K-Means, DBSCAN, PCA, Hierarchical Clustering, etc.).

  • Avaliação de modelos em cenários de dados desbalanceados e análise de risco (ROC-AUC, PR-AUC, Gini, Kolmogorov-Smirnov/KS, etc.).

• Diferenciais

  • Conhecimento e aplicação de práticas de MLOps (esteiras de ML, monitoramento de data drift, concept drift e resultados).

  • Vivência com ferramentas de versionamento de código (Git/GitHub/GitLab).

  • Vivência com serviços da AWS voltados para dados e IA/ML (ex.: S3, Athena, EC2, SageMaker, Glue, EMR).