Qualificações e Requisitos:Mestrado ou Doutorado Completo em Ciência da Computação, Matemática, Estatística e/ou áreas relacionadas;Superior Completo em Ciência da Computação, Engenharia de Dados, Estatística, Física ou áreas correlatas;Mestrado ou MBA em Gestão de Dados, Ciência de Dados, Engenharia de Software ou áreas afins (desejável);Experiência comprovada em Machine Learning e Deep Learning;Experiência anterior em liderança ou gerenciamento de equipe técnica;Experiência em projetos que integrem dados de hardware e sensores em larga escala;Domínios Avançados:Visão Computacional: Domínio de algoritmos para análise de imagens, como CNNs, segmentação de imagens, detecção de objetos e reconhecimento de padrões.Aprendizado de Máquina Avançado: Experiência com técnicas de Aprendizado Profundo (Deep Learning), Aprendizado por Reforço, GANs, Transferência de Aprendizado, Meta-Aprendizado, Aprendizado Auto-Supervisionado, Redes Neurais Gráficas, Aprendizado Federado, Inteligência Artificial Explicável (Explainable AI), Inferência Causal, e Aprendizado de Máquina Bayesiano e Multimodal.MLOps: Implementação de pipelines de CI/CD para IA, automação de deploys e monitoramento contínuo.Big Data e Processamento em Tempo Real: Conhecimento em ferramentas como Apache Kafka e Apache Spark.Conhecimentos Técnicos e Habilidades:Linguagens de Programação: Python (avançado), C++ e Java.Frameworks de Machine Learning: TensorFlow, PyTorch, Keras, Scikit-learn.Processamento de Dados: Pandas, NumPy, Dask.Visão Computacional: OpenCV, TensorFlow Object Detection API.Protocolos de Comunicação: MQTT, WebSockets, HTTP/2.Bancos de Dados: SQL (PostgreSQL, MySQL), NoSQL (MongoDB, Cassandra).Computação em Nuvem: AWS (SageMaker, EC2, S3), Azure, Google Cloud Platform.Ferramentas de Big Data: Hadoop, Spark, Kafka.MLOps e DevOps: Docker, Kubernetes, Jenkins, GitLab CI/CD.Visão e Competências Comportamentais:Liderança: Habilidade comprovada em liderar equipes técnicas e entregar soluções de IA de alto impacto.Visão Estratégica: Capacidade de alinhar objetivos técnicos com metas de negócio, promovendo otimização e inovação.Foco em Resultados: Orientação para resultados mensuráveis e aumento de produtividade.Adaptabilidade: Flexibilidade para ambientes dinâmicos e rápida adaptação a mudanças de projeto.Paixão por Tecnologia e Inovação: Entusiasmo por explorar tecnologias e metodologias inovadoras.Diferenciais:Publicações Acadêmicas: Artigos em conferências ou revistas renomadas nas áreas de IA, Machine Learning ou Visão Computacional.Experiência no Setor Agrícola ou Industrial: Conhecimento prático dos desafios específicos desses setores.Contribuições Open-Source: Participação em projetos open-source.Certificações: Em Machine Learning, Data Science, Segurança da Informação ou áreas correlatas.Experiência Internacional: Vivência em projetos globais ou empresas de tecnologia de ponta.Principais Responsabilidades :Liderança Técnica e Estratégica : Gerenciar e coordenar a equipe de Machine Learning e Deep Learning, garantindo o alinhamento das atividades com os objetivos estratégicos da empresa.Desenvolvimento de Modelos Avançados : Projetar, desenvolver e implementar algoritmos de Machine Learning e Deep Learning, incluindo modelos de visão computacional para análise de imagens de drones e sensores.Integração de Dados : Integrar dados provenientes de diversas fontes (sensores de solo, drones, máquinas agrícolas e industriais) para criar modelos preditivos e prescritivos que apoiem os processos agrícolas e industriais do início ao fim da produção.Processos e Tecnologias de Ponta : Implementar pipelines de MLOps, assegurando automação, eficiência e robustez no treinamento, deploy e monitoramento de modelos. Garantir a escalabilidade e performance dos modelos em ambientes de produção, utilizando tecnologias de computação em nuvem e edge computing.Colaboração Interdisciplinar : Colaborar com equipes de back-end, front-end e engenharia de dados para integrar modelos de IA na plataforma, alinhando soluções técnicas com as necessidades da empresa.Inovação e Melhoria Contínua : Identificar oportunidades de inovação e promover melhorias nos processos existentes, garantindo a constante evolução das soluções de IA.Conformidade e Segurança : Assegurar que todas as soluções estejam em conformidade com as regulamentações de segurança de dados e privacidade, incluindo a LGPD. Implementar práticas de segurança da informação para proteger dados sensíveis e manter a integridade dos processos.