Data Scientist II | Estratégia e Crédito (Hands-on ML)

Stone - Linkedin; United States; Hybrid; USD 23,000 - 40,000; Full time

Benefits offered by this job

Plano de Saúde

Plano Odontológico

Vale Refeição

Vale Alimentação

Auxílio Creche

Auxílio Filho com Deficiência

Auxílio deslocamento

Auxílio home office

Kit Acolhimento

Convênio SESC

Educação interna

Acolhe360º

Job summary

Stone é uma empresa de tecnologia e serviços financeiros líder no Brasil, buscando um Data Scientist II para atuar em Estratégia e Crédito. Você desenvolverá modelos que embasam decisões de crédito, churn, propensão e faturamento, com foco em qualidade e escala.

É um papel hands-on, envolvendo construção de features, pipelines de dados e validação de modelos; usar Python, Scikit-learn, XGBoost/LightGBM e Pandas para entregar soluções impactantes.

Qualifications

• Experiência prática no desenvolvimento de modelos preditivos com ML e estatística.
• Boa base em estatística e modelagem (validação, calibração, discriminação e estabilidade de modelos).
• Fluência em Python e nas principais bibliotecas de ML (Scikit-learn, XGBoost/LightGBM, Pandas).

Responsibilities

• Desenvolver, implementar e evoluir modelos preditivos para diferentes casos de uso (risco de crédito, churn, propensão, faturamento).
• Construir e evoluir features para os modelos, transformando dados brutos em variáveis relevantes.
• Construir pipelines de dados de forma reprodutível, escrevendo código limpo e confiável.
• Definir e acompanhar métricas de qualidade dos modelos (KS, AUC/Gini, precisão, recall, uplift e impacto de negócio).

Skills

Python

ML

Estatística

SQL

Spark

Tools

Scikit-learn

XGBoost/LightGBM

Pandas

Spark

Databricks

BigQuery

Job description

Stone é uma empresa de tecnologia e serviços financeiros líder no Brasil, buscando um Data Scientist II para atuar em Estratégia e Crédito. Você desenvolverá modelos que embasam decisões de crédito, churn, propensão e faturamento, com foco em qualidade e escala.

É um papel hands-on, envolvendo construção de features, pipelines de dados e validação de modelos; usar Python, Scikit-learn, XGBoost/LightGBM e Pandas para entregar soluções impactantes.