Cientista de Dados Sênior

Shark IT; Conservatória; Hybrid; BRL 120,000 - 180,000; Full time

Job summary

A Shark IT está abrindo vaga para Analista/Engenheiro de Dados com foco em modelos analíticos e aprendizado de máquina no Rio de Janeiro, em regime híbrido com presença semanal.

O profissional atuará na transformação de dados transacionais, desenvolvimento de pipelines de dados, validação de modelos e comunicação de insights para equipes técnicas e de negócio. É exigida experiência com Python, SQL e ferramentas de modelagem.

Qualifications

• Experiência com Python e bibliotecas de análise (pandas, NumPy, scikit-learn).
• Sólido domínio de estatística aplicada e técnicas de modelagem preditiva.
• Proficiência em SQL e modelagem de dados.
• Conhecimentos de engenharia de dados e pipelines de transformação de dados.
• Versionamento de código com Git.

Responsibilities

• Analisar grandes volumes de dados transacionais e sinais operacionais.
• Desenvolver, testar e validar modelos analíticos descritivos, diagnósticos, preditivos e prescritivos.
• Definir e acompanhar pipelines e arquiteturas de dados.
• Comunicar resultados para públicos técnicos e não técnicos.

Skills

Python

Pandas

NumPy

scikit-learn

SQL

Data modeling

Git

Data pipelines

Comunicação

Education

Bacharel em Ciência de Dados

Bacharel em Estatística

Tools

Dagster

Airflow

DVC

Pydantic

AWS

Job description

Modelo de trabalho: Híbrido no Rio de Janeiro, com atuação presencial 1 vez por semana

Contratação: CLT — informar pretensão salarial

Missão da posição

Transformar dados transacionais e sinais operacionais da inspeção em soluções analíticas que apoiem decisões estratégicas e a melhoria dos processos.

Atuar no desenvolvimento e na evolução de modelos analíticos, contribuindo para a qualidade dos dados e para a implantação e o monitoramento das soluções em produção.

Principais responsabilidades

• Analisar grandes volumes de dados transacionais e sinais operacionais da inspeção, identificando padrões, tendências e oportunidades de melhoria.
• Desenvolver, testar e validar modelos analíticos descritivos, diagnósticos, preditivos e prescritivos.
• Assegurar a robustez, a escalabilidade e a conformidade dos modelos para apoiar decisões de negócio.
• Apoiar a definição e a implementação de pipelines e arquiteturas de dados, garantindo qualidade, integridade e segurança das informações.
• Implantar e monitorar modelos analíticos por meio de métricas, promovendo melhorias contínuas e alinhamento com os objetivos de negócio.
• Definir e acompanhar indicadores de qualidade dos dados e de saúde da operação.
• Traduzir necessidades de negócio em soluções analíticas.
• Comunicar resultados e insights de forma clara para públicos técnicos e não técnicos, apoiando a tomada de decisão estratégica.

Requisitos e conhecimentos

• Experiência com Python e bibliotecas de análise e modelagem, como pandas, NumPy e scikit-learn.
• Sólido domínio de estatística aplicada e técnicas de modelagem preditiva.
• Proficiência em SQL e modelagem de dados.
• Conhecimentos de engenharia de dados, incluindo construção de pipelines e transformação de dados.
• Experiência com versionamento de código utilizando Git.
• Capacidade de traduzir requisitos de negócio em soluções analíticas.
• Disponibilidade para atuação híbrida no Rio de Janeiro, com presença 1 vez por semana.

Diferenciais

• Experiência com ferramentas de orquestração de pipelines, como Dagster ou Airflow.
• Conhecimento em versionamento de dados com DVC.
• Conhecimento de contratos de dados e validação de schemas com Pydantic.
• Familiaridade com serviços de dados em nuvem, especialmente AWS.
• Experiência com observabilidade e monitoramento de dados em produção.
• Vivência em ambientes de machine learning e inteligência artificial em produção, mesmo sem atuação direta.

Perfil esperado

• Capacidade analítica e senso crítico para interpretar dados e avaliar resultados.
• Organização e atenção à qualidade e à confiabilidade das informações.
• Boa comunicação para apresentar análises a diferentes públicos.
• Colaboração com áreas técnicas e de negócio.
• Proatividade para identificar oportunidades de melhoria.
• Foco em transformar análises em resultados aplicáveis ao negócio.