Cientista de Dados Sênior

XP; São Paulo; Híbrido; BRL 80.000 - 120.000; Tempo integral

Resumo da oferta

Uma instituição financeira no Brasil está à procura de um profissional para desenvolver e evoluir modelos de detecção de transações suspeitas. O candidato ideal deve ter formação em áreas como Engenharia ou Ciência da Computação, e experiência sênior em Ciência de Dados ou Machine Learning. Domínio de Python e SQL é essencial, assim como habilidades de comunicação para dialogar com equipes multidisciplinares. Além disso, a empresa oferece um modelo de trabalho presencial flexível com benefícios atrativos.

Serviços

Plano de saúde sem coparticipação

Plano odontológico

Gympass

Seguro de Vida

Vale Transporte

Licença parental: maternidade de 6 meses e paternidade de 20 dias

Qualificações

• Formação em Engenharia, Ciência da Computação, Estatística ou áreas correlatas.
• Experiência sênior em Ciência de Dados ou Machine Learning em ambiente de negócios.
• Domínio de Python e principais bibliotecas de dados/ML.
• Experiência com SQL.

Responsabilidades

• Trabalhar com times de PLD/Compliance e Risco.
• Criar e acompanhar KPIs dos modelos.
• Prototipar soluções analíticas.
• Documentar abordagens e resultados.

Conhecimentos

Python

Machine Learning

SQL

Comunicação

Formação académica

Engenharia

Ciência da Computação

Estatística

Matemática

Física

Economia

Ciências de Dados

Ferramentas

pandas

NumPy

scikit-learn

PySpark

Descrição da oferta de emprego

Sobre nós

A XP Inc. é uma das maiores instituições financeiras independente do Brasil, dona das marcas XP, Rico, Clear, XP Educação, InfoMoney, entre outras. Com mais de 4,6 milhões de clientes ativos e um valor superior a R$ 1,1 trilhão de ativos sob custódia, há 24 anos vem transformando o mercado financeiro para melhorar a vida das pessoas.

Com uma cultura marcante guiada por quatro valores - Sonho Grande, Espírito Empreendedor, Foco no Cliente e Mente Aberta - a XP Inc. está sempre em busca dos melhores talentos que tem ambição de fazer o impossível.

Sobre a Oportunidade

Você será parte de um time multidisciplinar (dados, data science, mlops, risco, compliance e tecnologia) responsável por:

• Desenvolver e evoluir modelos de detecção de transações suspeitas de lavagem de dinheiro e financiamento ao terrorismo.
• Aumentar a efetividade do monitoramento, regras (mais casos relevantes) e reduzir o volume de falsos positivos, melhorando a eficiência das áreas de investigação.
• Estruturar e analisar grandes volumes de dados transacionais, cadastrais e comportamentais dos clientes para identificar padrões anômalos.
• Traduzir requisitos regulatórios de PLD em lógicas, regras, features e modelos que possam ser auditados e explicados para áreas internas e reguladores.

Responsabilidades

• Trabalhar lado a lado com times de PLD/Compliance, Risco, Controles Internos e Tecnologia, entendendo regras, cenários de risco, tipologias e necessidades regulatórias.
• Criar e acompanhar KPIs de performance dos modelos.
• Apoiar o desenho de estratégias híbridas (modelos + regras) para garantir:
• Eficácia na detecção;
• Aderência a normas de PLD (BACEN, CVM, COAF);
• Explicabilidade mínima para investigações e auditorias.
• Prototipar, testar e colocar em produção soluções analíticas em parceria com engenheiros de dados e de machine learning.
• Documentar abordagens, premissas, limitações e resultados, garantindo auditoria e rastreabilidade.
• Acompanhar tendências e melhores práticas em AML/PLD IA/LLM, trazendo inovações estratégicas para o time.

Saiba mais sobre nosso dia a dia no Instagram e no LinkedIn.

Confira nossas avaliações no Glassdoor.

O Que Procuramos

Pré-requisitos Essenciais

• Formação em cursos como: Engenharia, Ciência da Computação, Estatística, Matemática, Física, Economia, Ciências de Dados ou áreas correlatas.
• Experiência prévia (sênior) trabalhando com Ciência de Dados ou Machine Learning em ambiente de negócios (não precisa ser necessariamente em PLD, mas será diferencial).
• Domínio de Python e principais bibliotecas de dados/ML (p.ex. pandas, NumPy, scikit-learn, PySpark etc).
• Experiência com SQL para manipulação de grandes volumes de dados.

Vivência em

• Problemas supervisionados (classificação, regressão) e não supervisionados (clustering, detecção de anomalias);
• Construção de features e avaliação de modelos.
• Capacidade de traduzir problemas de negócio (PLD, risco, compliance) em problemas analíticos e de dados.
• Boa comunicação para dialogar com stakeholders não técnicos (PLD, Jurídico, Controles, Operações).

Diferenciais

• Experiência prévia em PLD/AML, prevenção à fraude, risco de crédito ou modelos de risco em instituições financeiras.
• Conhecimento ou experiência com:
• Grafos e análise de redes (p.ex. para relacionamentos entre clientes, contas, contrapartes);
• Modelos de detecção de anomalias (Isolation Forest, Autoencoders, etc.);
• Ambientes de big data (Spark e Databricks) e cloud (Azure).
• Familiaridade com normativos de PLD e reguladores (BACEN, CVM, COAF).
• Experiência com MLOps (versionamento de modelos, monitoramento em produção, retraining).
• Conhecimento em explicabilidade de modelos (SHAP, LIME) para apoiar times de PLD/Compliance na justificativa de decisões.

Benefícios

Saúde e bem-estar:

• Plano de saúde sem coparticipação (inclusive, para dependentes)
• Plano odontológico
• Wellhub (Gympass)
• Zenklub
• Seguro de Vida
• iFood Benefícios (VA e VR flexível)
• Vale Transporte
• New Value (clube de benefícios)
• Licença parental: maternidade de 6 meses e paternidade de 20 dias.
• Auxílio Creche

Vida Financeira

• Fundos de Investimentos Exclusivos
• Assessoria de Investimentos
• Cartão XP Visa Infinite sem anuidade
• Crédito (consignado, home equity, CCB Imobiliário, etc.)

Modelo de Trabalho Presencial Flexível

Modelo de Trabalho Presencial Flexível

O nosso modelo de trabalho varia de acordo com a função, podendo ser totalmente presencial para frentes de negócio e mais flexível para outras equipes.
Seguimos um modelo com mais frequência presencial, mas sempre guiado por flexibilidade e autonomia com a responsabilidade da nossa cultura empreendedora.