Sr Data Scientist

Topaz Brasil; Indaiatuba; Híbrido; BRL 160.000 - 200.000; Tempo integral

Resumo da oferta

Uma empresa de tecnologia inovadora em São Paulo busca um profissional para liderar o desenvolvimento de modelos de detecção de fraudes utilizando Machine Learning. O candidato ideal terá forte experiência em ciência de dados, engenharia de dados e desenvolvimento em Python. Além de ótimas oportunidades de carreira, a empresa oferece um ambiente híbrido de trabalho e benefícios como planos de saúde e desenvolvimento profissional.

Serviços

Planos de saúde

Desenvolvimento profissional

Modalidade de trabalho híbrido

Qualificações

• Experiência em manipulação de dados não-estruturados e estruturados.
• Sólido conhecimento em algoritmos de Machine Learning.
• Capacidade de desenvolver e manter pipelines de ML automatizados.

Responsabilidades

• Liderar o desenvolvimento de modelos para prevenção de fraudes.
• Trabalhar com engenheiros MLOps para implementar soluções escaláveis.
• Monitorar e otimizar a performance de modelos em produção.

Conhecimentos

Ciência de Dados

Machine Learning

Engenharia de Dados

Python

Análise Estatística

Formação académica

Matemática e Estatística

Ciência da Computação

Ferramentas

Docker

Kubernetes

AWS

Pandas

ScikitLearn

Descrição da oferta de emprego

Job description

Na Topaz, a tecnologia nos une e a evolução nos conecta! 🚀

Em nossa organização, estamos totalmente comprometidos em contribuir para soluções financeiras que tornem a indústria um lugar seguro, acessível e dinâmico. Queremos alcançar diferentes partes do mundo com nosso amplo ecossistema de soluções tecnológicas. Por isso, convidamos você a fazer parte dessa equipe! 😎

Além disso, temos ótimos benefícios para você! Sabemos que, juntos, alcançaremos o sucesso, então se candidate e faça parte desse grande time.

Main responsibilities

Seu Dia a Dia na Topaz:

Na Topaz, você será responsável por liderar o desenvolvimento e a implantação de modelos avançados que impulsionam a prevenção de fraudes em larga escala. Seu dia-a-dia será desafiador e repleto de oportunidades para aplicar suas habilidades técnicas e estratégicas. Entre as principais atividades estão:

• Desenvolvimento e Experimentação de Modelos: Projetar, treinar e validar modelos de aprendizado de máquina utilizando algoritmos avançados. Realizar experimentos para testar novas abordagens, ajustando hiper parâmetros e avaliando métricas como FPR e recall.
• Implantação e Monitoramento em Produção: Trabalhar em conjunto com engenheiros MLOps para criar pipelines robustos que garantam a escalabilidade dos modelos em ambientes produtivos. Monitorar o desempenho dos modelos em produção, identificando possíveis degradações ou oportunidades para melhorias contínuas.
• Otimização e Manutenção Contínua: Atualizar os modelos com novos dados para garantir que permaneçam relevantes frente a mudanças no comportamento fraudulento. Implementar técnicas de explicabilidade para tornar os modelos transparentes e alinhados às regulamentações aplicáveis.
• Pesquisa e Inovação: Explorar novas tecnologias, frameworks e algoritmos para manter a solução na vanguarda da detecção de fraudes. Contribuir para a criação de boas práticas e padrões técnicos dentro da equipe.

Requirements and skills

O que você precisa conhecer para fazer parte da Topaz?

Ciência de Dados e Modelagem

Analisar dados estruturados e não-estruturados para identificar padrões de fraude e lavagem de dinheiro

• Desenvolver modelos de Machine Learning (classificação, clusterização, detecção de anomalias) para problemas de segurança financeira
• Aplicar feature engineering, tratar missing values, normalizar dados e balancear datasets
• Evitar data leakage na separação e validação de datasets
• Criar visualizações para comunicar resultados a diferentes públicos
• Experimentar algoritmos diversos (ScikitLearn, LightGBM, CatBoost, Keras, TensorFlow, PyTorch)

Engenharia de Dados

Trabalhar com bancos de dados distribuídos (Athena, Hive, Spark) processando grandes volumes

• Otimizar queries SQL reduzindo custos e tempo de execução
• Manipular dados estruturados (CSV, Parquet) e não-estruturados (JSON, imagens)
• Desenvolver pipelines de transformação e preparação de dados

Machine Learning Engineering

Criar e manter pipelines automatizados de ML (treinamento, validação, deploy)

• Containerizar aplicações com Docker
• Gerenciar PODs e deployments com Kubernetes
• Garantir escalabilidade e disponibilidade das soluções

Monitoramento e Manutenção

Monitorar performance dos modelos em produção

• Detectar e corrigir data drift e concept drift
• Configurar alertas e dashboards de métricas
• Implementar retreinamento automático e versionamento de modelos
• Aplicar técnicas de explicabilidade (XAI) para conformidade regulatória

Inovação

Pesquisar novas tecnologias e algoritmos de ML

• Contribuir com boas práticas e documentação técnica
• Manter-se atualizado em Data Science e Machine Learning

Requisitos Obrigatórios

Fundamentos

Matemática e Estatística:

• Sólido conhecimento em matemática, estatística e probabilidade

Machine Learning:

• Experiência com algoritmos de classificação, clusterização e detecção de anomalias
• Domínio do ciclo completo de ML: transformação, feature engineering, treinamento, validação
• Frameworks: ScikitLearn, LightGBM, CatBoost, Keras, TensorFlow, PyTorch

Dados:

• Manipulação com Numpy e Pandas
• Dados não-estruturados (JSON, imagens)
• Visualização (Matplotlib, Seaborn, Plotly, ApexCharts)

Bancos de Dados:

• Experiência com SQL e bancos relacionais
• NoSQL (MongoDB, DocumentDB, DynamoDB)
• Bancos distribuídos (Athena, Hive, Spark)
• Otimização de queries
• ORM em Python

Python:

• Desenvolvimento robusto em Python
• Git para versionamento
• Estruturas de dados, algoritmos e design patterns
• Testes: pytest (unitários), Locust (carga)

Cloud e Infraestrutura (AWS):

• S3, Athena, DynamoDB, EC2, Lambda, ECR, ECS/EKS
• Docker para containerização
• Kubernetes para orquestração
• Terraform (conceitos básicos)
• GitLab CI/CD (conceitos básicos)

Diferenciais

• Ferramentas MLOps (Dagster, MLflow, Kubeflow, Airflow)
• Feature Stores e Model Registry
• Experiência em detecção de fraudes, anomalias ou segurança financeira
• NLP ou processamento de imagens (OpenCV, PIL)
• Certificações AWS (Solutions Architect, ML Specialty)
• Contribuições open source ou publicações técnica

Se você tem esse perfil e quer fazer parte de um time inovador e dinâmico, venha para a Topaz! 🚀

Additional information

Tenha em mente esses benefícios que irão melhorar sua experiência na Topaz!

• Saúde e Bem-estar: Porque pensamos em nossas equipes, oferecemos diferentes planos de saúde, focados em promover o bem-estar na organização.
• Desenvolvimento pessoal e profissional: Estamos em constante evolução. Por isso, oferecemos ambientes, programas e políticas que garantem o espaço e as oportunidades necessárias para você🎓Rota de carreira.
• Flexibilidade e tempo livre: Aqui você encontrará o tempo necessário para recarregar as energias, além de poder desfrutar de um dia de folga no seu aniversário 🥳 Modalidade de trabalho híbrido.
• Convênios: Oferecemos diferentes convênios e descontos.