Description:
Junte-se à Digiage e ajude a escalar a inteligência artificial com excelência operacional.
Estamos em busca de um(a) Cientista de Dados Sênior para atuar em projetos estratégicos em cliente de grande porte. Você será responsável pela concepção, desenvolvimento e refinamento de modelos estatísticos e algoritmos de aprendizado de máquina, transformando dados complexos em insights e soluções preditivas que garantam confiabilidade e impacto direto na operação.
Responsabilidades e atribuições:
- Liderar o ciclo de vida analítico: Desde o entendimento do problema de negócio e exploração de dados até a concepção de arquiteturas de modelagem avançadas.
- Desenvolver modelos: Criar, validar e otimizar algoritmos de Machine Learning (preditivos, prescritivos ou de otimização).
- Garantir o rigor científico: Aplicar metodologias estatísticas robustas para validação de hipóteses, testes A/B e avaliação de métricas de performance técnica e de negócio.
- Colaborar com o ecossistema de dados: Atuar em conjunto com engenheiros de dados e ML para garantir que as soluções sejam escaláveis e integráveis a ambientes produtivos.
- Mentoria técnica: Orientar membros mais juniores do time e disseminar boas práticas de experimentação, reprodutibilidade e ética em IA.
Requirements:
- Experiência sólida como Cientista de Dados: Histórico comprovado em projetos, preferencialmente com modelos que chegaram em ambiente de produção.
- Domínio em modelagem e estatística: Sólidos conhecimentos em inferência estatística, álgebra linear, cálculo e algoritmos de Machine Learning (supervisionados e não supervisionados).
- Proficiência em Python: Experiência avançada com o ecossistema de Ciência de Dados (ex: scikit-learn, pandas, NumPy, SciPy) e manipulação de dados geoespaciais ou temporais.
- Vivência com Big Data: Experiência no processamento e análise de grandes volumes de dados utilizando frameworks distribuídos.
- Mentalidade de Engenharia: Conhecimento sobre o ciclo de vida de modelos (ML Lifecycle) e integração com fluxos de orquestração e automação de workflows.
- Conhecimentos em Cloud: Familiaridade com o desenvolvimento de soluções analíticas em ambientes de Cloud (Azure, AWS ou GCP).
Diferenciais:
-
IA Generativa e Deep Learning: Experiência com LLMs, redes neurais (TensorFlow, PyTorch) ou arquiteturas avançadas de processamento de linguagem/imagem.
- Otimização Matemática: Conhecimento em pesquisa operacional e algoritmos de otimização combinatória.
- Cultura MLOps: Experiência prática com ferramentas de rastreabilidade de experimentos (ex: MLflow) e monitoramento de modelos (drift de dados e conceito).
- Pós-graduação: Mestrado ou Doutorado em áreas quantitativas (Estatística, Computação, Engenharia, Física, Matemática ou correlatos).