CIENTISTA DADOS II

• Explorar, tratar e analisar grandes volumes de dados estruturados e não estruturados.
• Desenvolver análises descritivas, diagnósticas e preditivas para identificação de padrões, tendências, desvios e oportunidades de melhoria.
• Desenvolver e testar modelos estatísticos e algoritmos de Machine Learning aplicados aos desafios e casos de uso priorizados.
• Apoiar a identificação e estruturação de oportunidades de aplicação de Ciência de Dados e Inteligência Artificial aos processos do negócio.
• Traduzir problemas e necessidades de negócio em hipóteses analíticas e abordagens orientadas a dados.
• Desenvolver provas de conceito e soluções analíticas para avaliação e validação dos casos de uso priorizados.
• Avaliar a qualidade e o desempenho dos modelos desenvolvidos, utilizando métricas adequadas a cada problema.
• Apoiar a evolução e aplicação das soluções analíticas desenvolvidas, em conjunto com as equipes de negócio e tecnologia.
• Construir análises e visualizações que permitam comunicar resultados, padrões e oportunidades de forma clara e objetiva.
• Interagir com POs, especialistas de negócio, equipes de dados, TI e demais stakeholders envolvidos nas iniciativas.
• Apoiar a identificação, entendimento e integração das fontes de dados necessárias ao desenvolvimento das soluções analíticas.
• Contribuir para a qualidade, consistência e rastreabilidade dos dados utilizados nas análises e modelos.
• Documentar análises, modelos, premissas, fontes de dados, resultados e critérios utilizados nas soluções desenvolvidas.
• Contribuir para a disseminação da cultura data-driven e para o uso de dados na tomada de decisão.
• Disponibilidade para viagens.

• Formação Acadêmica: Ciência de dados, Estatísticas, Sistemas de Informação, estatísticas, Ciência da Computação ou áreas correlatas.
• Estatísticas Descritivas e Inferenciais: Conhecimento profundo de distribuições de probabilidade, testes de hipóteses, intervalos de confiança, e análise de variância. 
• Álgebra Linear e Cálculo: Entendimento de conceitos como matrizes, vetores e derivadas, essenciais para aprendizado de máquina e otimização de modelos. 
• Métodos Estatísticos Avançados: Experiência com regressão, classificação, agrupamento e outras técnicas estatísticas aplicadas a grandes volumes de dados. 
• Linguagens de programação voltadas a IA: Experiência linguagens como Python. 
• SQL: Expertise em consultas, manipulação de dados e otimização de queries em bancos de dados relacionais. 
• Conhecimento e aplicação de técnicas de Machine Learning, incluindo regressão, classificação e agrupamento. 
• Deep Learning: Familiaridade com redes neurais profundas, CNNs, RNNs e frameworks como TensorFlow e PyTorch. 
• Avaliação de Modelos: Habilidade em validação cruzada, métricas de desempenho (acurácia, precisão, recall, F1-score), tuning de hiperparâmetros. 
• Conhecimentos em Plataformas de Big Data Armazenamento de Dados 
• ETL (Extract, Transform, Load): Conhecimento de pipelines de dados para integrar e processar dados em larga escala. 
• Ferramentas de Visualização: Proficiência em ferramentas como Power BI, Plotly, e Matplotlib para apresentar insights de maneira clara e interativa. 
• Plataformas em Nuvem: Experiência com AWS, Google Cloud ou Azure, incluindo serviços de data lakes, machine learning e processamento em nuvem.
• Análise exploratória, preparação, limpeza e tratamento de dados.
• Conhecimento de técnicas de avaliação e validação de modelos e métricas de desempenho.
• Conhecimento de ferramentas de visualização e análise de dados, como Power BI e/ou similares.
• Conhecimentos de Inteligência Artificial aplicada à solução de problemas de negócio.
• Noções de governança e qualidade de dados.
• Capacidade de estruturar análises e experimentos para validação de hipóteses e casos de uso.
• Manter o funcionamento dos algoritmos e das aplicações.

DESEJÁVEL :

• Pós-graduação ou especialização em Ciência de Dados, Inteligência Artificial, Analytics ou áreas correlatas.
• Experiência de 2 a 3 anos na área de atuação.