Missão do Cargo
Traduzir desafios de negócio em soluções inteligentes baseadas em Machine Learning (ML). Você colaborará de perto com diversas equipes (Engenharia, Produto, Negócios) para identificar oportunidades, desenvolver modelos robustos e implementá-los em produção, gerando impacto real e valor tangível para nossos produtos e clientes.
Quais serão suas responsabilidades?
Resolver Problemas: Transformar problemas de negócio em projetos claros e bem definidos de Machine Learning.
Colaborar: Trabalhar em conjunto com Engenheiros de Dados, Product Managers e Analistas de Negócios para identificar e validar oportunidades onde ML pode fazer a diferença.
Desenvolver Modelos: Projetar, treinar, validar e otimizar modelos de Machine Learning (usando técnicas como árvores de decisão, redes neurais, aprendizado supervisionado/não supervisionado, etc.), com foco na qualidade da engenharia de features e na análise crítica dos resultados.
Implementar Soluções: Colocar modelos de ML em produção, monitorar seu desempenho e garantir que eles entreguem o valor esperado em ambientes reais.
Experimentar e Inovar: Conduzir experimentos, desenvolver protótipos (PoCs) e testar novas abordagens para resolver problemas complexos com dados.
Disseminar Conhecimento: Criar documentação técnica, compartilhar aprendizados e contribuir para a cultura de dados e ML na empresa, possivelmente através de apresentações ou treinamentos internos.
O que esperamos de você:
Fundamentos Sólidos: Excelente base em estatística, matemática e nos princípios de Machine Learning.
Programação: Proficiência em programação, especialmente Python e suas bibliotecas principais para Data Science (ex: Pandas, NumPy, Scikit-learn).
Experiência Prática: Experiência comprovada na construção e implementação de modelos de ML em projetos reais, utilizando frameworks populares (ex: TensorFlow, PyTorch, XGBoost, Scikit-learn).
Boas Práticas: Familiaridade com boas práticas de desenvolvimento de software (versionamento com Git, testes) e MLOps. Noções de otimização de performance (CPU/GPU, memória, I/O).
Mindset: Proatividade, curiosidade, pensamento analítico e um forte desejo de entender como ML/IA podem impactar positivamente o negócio.
Comunicação: Habilidade para comunicar ideias complexas de forma clara para diferentes públicos.
Formação: Graduação completa em Ciência da Computação, Engenharia, Estatística, Matemática, Física ou áreas correlatas.
Dieferencial:
Cloud Computing: Experiência com plataformas de nuvem, especialmente Google Cloud Platform (GCP) e seus serviços (Vertex AI, BigQuery, Dataflow, Dataproc).
NLP: Conhecimento e/ou experiência com Processamento de Linguagem Natural.
Big Data: Experiência no processamento de grandes volumes de dados com ferramentas como Spark, Beam ou Dask. Familiaridade com Data Lakes e Data Warehouses modernos.
Ética em IA: Consciência sobre as implicações éticas, de privacidade e explicabilidade (XAI) no uso de Inteligência Artificial.
Acadêmico: Pós-graduação (Mestrado ou Doutorado) em áreas relacionadas.
Quais são os nossos benefícios?