Cientista de Dados Pleno — Inadimplência em Bancos Digitais

Sylision; United States; Remote; USD 90,000 - 150,000; Full time

Benefits offered by this job

Remote work

Flexible schedule

Global teams

Health program

Job summary

Sylision atua como empresa contratante confidencial na vaga de Cientista de Dados Pleno (Previsão de Inadimplência em Bancos Digitais). A posição é 100% remoto, com contratação CLT ou PJ, e exige domínio de estatística, Python, Pandas e SQL para construir, validar e manter modelos de inadimplência.

Você trabalhará com dados de crédito, treino com técnicas de classificação, calibração de probabilidades e comunicação clara dos resultados ao comitê de crédito, acompanhando a performance ao longo de

Qualifications

• Estatística aplicada e modelagem de classificação com validação adequada.
• Interpretação de modelos e explicação de variáveis para decisões de crédito.
• Atenção a justiça e à legislação de proteção de dados em crédito.

Responsibilities

• Definir evento de inadimplência e horizonte de observação junto à área de crédito.
• Construir variáveis respeitando limites de dados temporais e evitar vazamento de informações.
• Treinar regressão logística e modelos de árvores, comparar poder preditivo e estabilidade.
• Validar por safras temporais e calibrar probabilidades.
• Documentar o modelo para o comitê de crédito, incluindo limites e riscos.
• Acompanhar desempenho após implantação e sinalizar perda de estabilidade.
• Testar mudanças de política de crédito via experimento controlado.

Skills

Python

Pandas

scikit-learn

SQL

Model validation

Tools

Jupyter

Git

Gradient boosting

Logistic regression

SQL

Job description

Sylision atua como empresa contratante confidencial na vaga de Cientista de Dados Pleno (Previsão de Inadimplência em Bancos Digitais). A posição é 100% remoto, com contratação CLT ou PJ, e exige domínio de estatística, Python, Pandas e SQL para construir, validar e manter modelos de inadimplência.

Você trabalhará com dados de crédito, treino com técnicas de classificação, calibração de probabilidades e comunicação clara dos resultados ao comitê de crédito, acompanhando a performance ao longo de