Cientista de Dados Sênior
InHire Ver todas as vagas
- Belo Horizonte - MG
- Permanente
- Período integral
- Desenvolver e otimizar modelos estatísticos e matemáticos multivariados para análise de cenários, previsões e identificação de padrões.
- Criar modelos preditivos, prescritivos e produtos de inteligência artificial para apoiar decisões estratégicas.
- Documentar modelos de IA, garantindo alinhamento às diretrizes da Governança de Dados.
- Monitorar a performance de modelos, avaliando métricas e realizando melhorias contínuas (concept drift).
- Experimentar novas técnicas e ferramentas (PyTorch, Databricks, AutoML, entre outros).
- Conduzir treinamentos, compartilhar conhecimentos e apoiar iniciativas de transformação digital.
- Atuar como referência técnica para a equipe e demais áreas.
- Participar de PoCs e promover cultura de inovação orientada a dados.
- • Formação: Ensino superior completo em Ciência de Dados, Estatística, Matemática Aplicada, Engenharia da Computação ou áreas correlatas.
- Pós-graduação, MBA ou Mestrado em Ciência de Dados, Inteligência Artificial ou Big Data.
- Domínio em Python/R e bibliotecas de IA (TensorFlow, PyTorch, Scikit-learn).
- Estatística avançada, econometria e modelagem matemática.
- Técnicas de machine learning (supervisionado, não supervisionado e deep learning).
- MLOps, automação de pipelines e arquiteturas em nuvem (Azure, AWS ou GCP).
- Conhecimentos em Big Data (Spark, Hadoop, Databricks).
- Visualização de dados avançada e storytelling executivo.
- LGPD aplicada à ciência de dados.
- Certificações desejáveis: Azure AI Engineer, AWS Machine Learning, TensorFlow Advanced, certificações em BI (Power BI, Tableau, Qlik) e correlatas.
Regime de Contratação: CLT
Modelo de Trabalho: Híbrido, presencialmente 3 dias por semana
Formação desejada: Graduação ou cursando Ciência da Computação, Engenharia da Computação, Sistemas de Informação ou Análise de Sistemas.Idiomas: Inglês intermediário.Gostou da vaga? Candidate-se! Não esqueça de informar sua pretensão salarial e disponibilidade para início.