Cientista de Dados Sênior

  • Campo Grande - MS
  • Permanente
  • Período integral
  • Há 11 horas
Detalhes da VagaEscolaridade Não InformadoSegmento Não InformadoSalário Não InformadoÁrea de AtuaçãoDiversos / OutrosO que você irá fazer
  • Nesta função, você será responsável por projetar, desenvolver e implementar sistemas de recomendação, modelos de previsão de séries temporais e soluções de machine learning baseadas em algoritmos de boosting e árvores de decisão.
  • Você trabalhará em estreita colaboração com equipes multifuncionais para transformar dados em insights acionáveis e soluções escaláveis.
  • Principais Responsabilidades: Desenvolver e otimizar sistemas de recomendação (filtragem colaborativa, baseada em conteúdo, abordagens híbridas).
  • Construir e validar modelos de previsão de séries temporais utilizando técnicas tradicionais e de machine learning (ARIMA, Prophet, LSTM, etc.
  • ).
  • Implementar algoritmos de boosting (XGBoost, LightGBM, CatBoost) e árvores de decisão para diversas tarefas de aprendizado supervisionado.
  • Colaborar com engenheiros de dados e engenheiros de ML para implantar modelos em ambientes Azure e Databricks.
  • Realizar exploração de dados, engenharia de features e avaliação de modelos.
  • Apresentar descobertas e modelos de forma clara para públicos técnicos e não técnicos.
  • Manter-se atualizado(a) sobre as mais recentes ferramentas e metodologias aplicadas em machine learning.
  • Requisitos: Graduação ou Mestrado em Ciência de Dados, Ciência da Computação, Engenharia, Estatística ou áreas relacionadas.
  • Experiência comprovada com sistemas de recomendação e modelos de séries temporais.
  • Sólido conhecimento em algoritmos de boosting e árvores de decisão.
  • Proficiência em Python e bibliotecas como scikit-learn, pandas, NumPy, statsmodels.
  • Experiência com serviços em nuvem Azure e Databricks.
  • Forte capacidade de resolução de problemas e habilidade para trabalhar de forma independente.
  • Inglês fluente (oral e escrito).
Informações AdicionaisQuantidade de Vagas 1Jornada Período comercial

Caderno Nacional