Cientista de Dados Pleno: Forecast de Receita Imobiliária (Remote)

Sylision; United States; Remote; USD 90,000 - 140,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global

Apoio à saúde com TotalPass

Team Care

Contratação e jornada definidas

Job summary

A Sylision procura Cientista de Dados Pleno (Previsão de Receita no Mercado Imobiliário) para atuar em projeto 100% remoto. O contratado pode ser CLT ou PJ, com atuação autônoma para construir modelos de previsão que alimentem decisões financeiras, com foco em região e linha de produto.

Você irá montar bases por praça, produto e mês, modelar séries com sazonalidade, testar cenários de juros e apresentar resultados de forma clara para diretoria, usando Python, Pandas, scikit-learn e SQL, com

Qualifications

• Estatística aplicada a séries temporais e sazonalidade
• Python com Pandas e scikit-learn
• SQL para extração de dados
• Validação por janela temporal e métricas de erro
• Capacidade de comunicação com diretoria
• Autonomia para conduzir frente completa do projeto

Responsibilities

• Montar base de receita por praça, produto e mês
• Modelar séries com sazonalidade e variáveis externas
• Reconciliar previsões por região para total da empresa
• Gerar intervalos de previsão e testar cobertura
• Comparar modelos em backtest com janela deslizante
• Construir cenários de juros e de volume de visitas
• Apresentar resultados e incertezas para diretoria

Skills

Estatística

Python

Pandas

scikit-learn

Séries temporais

Modelos de previsão

Tools

scikit-learn

Jupyter

Git

SQL

Job description

A Sylision procura Cientista de Dados Pleno (Previsão de Receita no Mercado Imobiliário) para atuar em projeto 100% remoto. O contratado pode ser CLT ou PJ, com atuação autônoma para construir modelos de previsão que alimentem decisões financeiras, com foco em região e linha de produto.

Você irá montar bases por praça, produto e mês, modelar séries com sazonalidade, testar cenários de juros e apresentar resultados de forma clara para diretoria, usando Python, Pandas, scikit-learn e SQL, com