Cientista de Dados Sênior

DataEX; Cariacica; Teletrabalho; BRL 80.000 - 120.000; Tempo integral

Resumo da oferta

Uma empresa de análise de dados em Espírito Santo busca um profissional com sólida experiência em Machine Learning e Visão Computacional. O candidato ideal deve dominar Python e SQL e ter experiência com análise de dados e modelagem preditiva. O trabalho será remoto via contrato PJ, focando na coleta e transformação de dados para extrair insights valiosos e colaborar com equipes de dados.

Serviços

Modelo de trabalho via contrato PJ

Home Office

Qualificações

• Sólida experiência em coleta e transformação de dados.
• Experiência no ciclo completo de modelagem de dados.
• Foco em extrair insights a partir da análise de dados.

Responsabilidades

• Desenvolver soluções para o Lab de Inovação do Cliente.
• Realizar análises descritivas e exploratórias de dados.
• Desenvolver e validar modelos preditivos.
• Colaborar com equipes multidisciplinares para resolver problemas.
• Criar e organizar pipelines de dados.

Conhecimentos

Visão Computacional

Machine Learning

Análise Estatística

Python

SQL

Extrair Padrões Ocultos

Análise de Dados

Formação académica

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

Ferramentas

AWS

Azure

Databricks

PowerBI

Airflow

Git

Pentaho Data Integration

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.