Cientista de Dados Sênior

• Liderar projetos complexos de ciência de dados, desde o discovery inicial até a entrega e acompanhamento em produção.
• Explorar, analisar e modelar grandes volumes de dados estruturados e não estruturados, identificando padrões, riscos e oportunidades de negócio.
• Desbravar novas fontes de dados internas e externas, especialmente dados de score e big data, qualificando e potencializando o uso da informação.
• Construir e evoluir pipelines avançados de dados, desde data lakes até data warehouses, garantindo padronização, qualidade, escalabilidade e performance.
• Desenvolver e automatizar fluxos de dados utilizando PySpark, Apache Airflow, DVC e boas práticas de versionamento.
• Criar, validar, implantar e monitorar modelos supervisionados e não supervisionados com foco direto em geração de valor para o negócio.
• Atuar de forma próxima às áreas de negócio, lideranças e C-Level, traduzindo análises técnicas em decisões estratégicas claras e objetivas.
• Implementar soluções escaláveis em ambientes cloud (Azure, AWS ou GCP).
• Acompanhar a performance de modelos em produção, propondo melhorias contínuas e ajustes de estratégia.
• Orientar e apoiar equipes técnicas, contribuindo para padrões de qualidade, documentação e eficiência do ecossistema de dados.
• Participar ativamente da evolução da arquitetura e da estratégia de dados da empresa.

• Formação em Estatística, Ciência de Dados, Engenharia, Matemática ou áreas correlatas.
• Mestrado ou Doutorado em Ciência de Dados, Estatística ou Machine Learning são considerados fortes diferenciais.
• Experiência sólida de 5 anos ou mais atuando com ciência de dados em contextos complexos.
• Conhecimento avançado em Python e análise avançada de dados.
• Domínio em PySpark e processamento distribuído.
• Experiência prática com Apache Airflow para orquestração de pipelines de dados.
• Conhecimento sólido em SQL e PostgreSQL.
• Forte experiência com Data Lake, Data Warehouse e modelagem de dados.
• Domínio em limpeza, manipulação e distribuição de grandes datasets.
• Vivência em desenvolvimento, validação e deploy de modelos em produção utilizando ferramentas como:
• Scikit-learn, XGBoost, PyTorch, CatBoost, PyCaret, LightGBM, Statsmodels e Prophet.
• Conhecimento de métricas de avaliação de modelos de scorecard, como Gini, KS (Kolmogorov-Smirnov), AUC-ROC e Curvas de Lorenz.
• Vivência com ambientes cloud (Azure, AWS ou GCP).
• Excelente capacidade de comunicação, com habilidade para explicar análises e resultados de forma clara e estratégica para públicos técnicos e não técnicos.

• Vale Refeição/Alimentação
• Plano de Saúde (Sulamerica)
• Plano Odontológico
• Seguro de Vida
• Day Off no mês do aniversário
• Auxílio Creche
• Home-office

InHire