Compass UOL
TOTVS
Banco BV
Connect with headhunters to apply for similar jobsGFT
Pontifícia Universidade Católica do Paraná
InterOp
Compass UOL
Banco BV
Tata Consultancy Services
Compass UOL
Compass UOL
Stefanini Brasil
Uma empresa de tecnologia em Manaus está formando um Banco de Talentos para Data Scientists. O profissional desenvolverá soluções preditivas utilizando métodos de machine learning clássicos, como regressão, árvores de decisão e KNN. Além disso, conduzirá análises exploratórias, implementará modelos preditivos e trabalhará diretamente com clientes. É essencial ter experiência prática com Python e ferramentas em nuvem como AWS ou Azure.
Estamos formando um Banco de Talentos para profissionais de Data Science com especialização em Métodos Clássicos.
O objetivo é identificar talentos para futuras oportunidades voltadas ao desenvolvimento de soluções inteligentes baseadas em dados não estruturados e IA generativa, apoiando desafios estratégicos da organização.
Responsabilidades e atribuições
Desenvolver soluções preditivas utilizando métodos clássicos de machine learning, incluindo: Regressão (linear e logística), classificação modelos de séries temporais, arvores de decisão, gradient Boosting (XGBoost, LightGBM, CatBoost) e KNN;
Conduzir análises exploratórias completas (EDA), identificando padrões, inconsistências e oportunidades de transformação dos dados;
Executar pré-processamento avançado: limpeza, normalização, encoding, tratamento de outliers e balanceamento;
Selecionar e construir variáveis relevantes (feature engineering), aplicando técnicas estatísticas e conhecimento de negócio;
Implementar modelos preditivos com foco em performance, interpretabilidade e impacto estratégico;
Validar modelos utilizando métricas adequadas, técnicas de cross-validation e tuning de hiperparâmetros;
Atuar diretamente com o cliente, participando de discussões de backlog, refinamento de requisitos e proposição de melhorias técnicas e de processo;
Documentar análises, decisões técnicas e resultados de forma clara e estruturada.
Requisitos e qualificações
Experiência prática com Python aplicado a ciência de dados e machine learning;
Experiência com métodos clássicos de machine learning;
Vivência com Databricks;
Experiência com plataformas de nuvem (AWS, Azure ou GCP);
Domínio de técnicas de validação de modelos, tuning de hiperparâmetros e métricas de avaliação (AUC, F1, RMSE, MAPE etc.).
* The salary benchmark is based on the target salaries of market leaders in their relevant sectors. It is intended to serve as a guide to help Premium Members assess open positions and to help in salary negotiations. The salary benchmark is not provided directly by the company, which could be significantly higher or lower.