Cientista De Dados Sênior

Dataex; Teletrabalho; BRL 80.000 - 120.000; Tempo parcial

Resumo da oferta

Uma empresa de tecnologia em ciência de dados no Espírito Santo está buscando um profissional apaixonado por dados para atuar em projetos desafiadores. O candidato ideal deve ter sólida experiência em Visão Computacional, Machine Learning e análise estatística, utilizando ferramentas como Python, SQL e AWS. A posição é remota e oferece um contrato PJ. O foco será no desenvolvimento de soluções inovadoras e na colaboração com equipes multidisciplinares para resolver problemas técnicos complexos. Um diferencial desejado é o inglês avançado.

Serviços

Modelo de trabalho via contrato PJ

Home Office

Qualificações

• Experiência em projetos de visão computacional e machine learning em ambientes de dados.
• Forte domínio de Python e bibliotecas associadas.
• Experiência em limpeza e transformação de dados.

Responsabilidades

• Desenvolver soluções em um Lab de Inovação.
• Realizar análises descritivas e explorar dados.
• Colaborar com a equipe para solucionar problemas usando ciência de dados.

Conhecimentos

Visão Computacional

Machine Learning

Análise Estatística

Python

SQL

Cloud AWS

Análise Descritiva de Dados

Feature Engineering

Formação académica

Mestrado ou Doutorado em áreas correlatas

Ferramentas

Pandas

Scikit-Learn

OpenCV

Databricks

PowerBI

Airflow

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.

Será um Diferencial…

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.