Descrição:Graduação em Ciência de Dados, Engenharia de Computação, Estatística, Matemática Aplicada, Engenharia de Software ou áreas correlatas.
Desejável pós-graduação ou MBA em áreas como Big Data, Inteligência Artificial ou Engenharia de Dados.CONHECIMENTOS E EXPERIÊNCIA:Expertise em modelagem preditiva, machine learning e deep learning;Técnicas estatísticas avançadas: regressão, clustering, redução de dimensionalidade, etc.Domínio de Python e/ou R;Conhecimento em bibliotecas e frameworks como Scikit-learn, TensorFlow, PyTorch, Pandas, NumPy, etc;Experiência em SQL para manipulação de dados estruturados;Experiência com ferramentas de Big Data como Spark, Hadoop ou Kafka;Familiaridade com APIs e integração de sistemas;Conhecimento de serviços de nuvem como AWS, Azure, ou Google Cloud;Experiência com ferramentas de versionamento de código (ex.
: Git) e processos de CI/CD;Manipulação de dados e visualização de dados;Experiência com ETL, limpeza, e transformação de dados;Conhecimento em bancos de dados relacionais (ex.
: MySQL, PostgreSQL) e NoSQL (ex.
: MongoDB, Cassandra);Conhecimento em ferramentas como Tableau, Power BI ou bibliotecas como Matplotlib e Seaborn.DIFERENCIAL:Certificações em Ciência de Dados ou Nuvem (ex.
: AWS Certified Machine Learning Specialist, Azure Data Scientist Associate);Experiência em projetos que envolvam IA Generativa, NLP ou Visão Computacional;Conhecimento de metodologias ágeis (ex.
: Scrum, Kanban).RESPONSABILIDADES:Identificar problemas de negócio que podem ser resolvidos com ciência de dados;Desenvolver e implementar estratégias de ciência de dados alinhadas aos objetivos da empresa;Realizar estudos de viabilidade para novos projetos e propor soluções inovadoras;Liderar o processo de coleta, limpeza, enriquecimento e transformação de dados provenientes de diferentes fontes;Garantir a qualidade, integridade e governança dos dados utilizados nos projetos;Projetar e desenvolver pipelines de dados para ETL/ELT;Realizar análises exploratórias (EDA) e identificar padrões e tendências relevantes;Construir, treinar e validar modelos preditivos e prescritivos (ex.
: regressão, classificação, clustering);Implementar algoritmos de machine learning e/ou deep learning;Avaliar e otimizar modelos para garantir alta acurácia, precisão e performance;Desenvolver provas de conceito (POCs) para validar hipóteses e modelos;Conduzir projetos end-to-end: desde o levantamento de problemas e coleta de dados até a entrega de soluções;Liderar equipes técnicas.
#J-18808-Ljbffr