Bolsista mestre ( Cientista de Dados – NLP e Sistemas de Busca Semântica) ICT ITAÚ

Projeto de inovação da ICT ITAÚ em parceria Inova Talentos .

Pré-Requisitos:

• Perfil do bolsista: mestrado
• Formação: mestrado cursando ou concluído.
• Cursos: Ciência da Computação, Engenharia de Computação/Software, Sistemas de Informação, Estatística, Matemática Aplicada, Engenharia Elétrica, Ciência de Dados ou áreas correlatas das Ciências Exatas e Engenharias.

Atividades:

1. Pré-processamento e enriquecimento de textos

• Limpeza, tokenização, lematização e remoção de ruídos em documentos textuais.
• Extração de características (features) relevantes para modelos de NLP.

2. Geração e gestão de embeddings

• Criar embeddings de documentos e consultas usando modelos como Sentence‑BERT, OpenAI ada ou similares.
• Armazenar e indexar embeddings em bancos vetoriais (FAISS, ChromaDB, Qdrant ou Pinecone).

3. Construção de pipelines de busca semântica, recuperação de informação e aplicações com RAG

• Desenvolver pipelines que combinam: consulta → embedding → busca vetorial → re-ranking (opcional) → uso do contexto recuperado em aplicações com RAG.
• Avaliar a qualidade da recuperação e das respostas geradas em cenários de NLP e RAG, utilizando métricas como recall@k e MRR.

4. Adaptação e experimentação com modelos em PyTorch ou TensorFlow

• Utilizar modelos pré-treinados e adaptá-los para tarefas específicas, como classificação, similaridade e extração de informação, com ajustes simples quando necessário.
• Experimentar com diferentes arquiteturas (transformers, redes neurais simples).

5. Documentação e versionamento

• Documentar pipelines, decisões técnicas e resultados de experimentos.
• Utilizar Git para controle de versão do código.

Conhecimentos necessários

• Programação em Python com domínio de tipagem, manipulação de dados (pandas/polars) e uso de ambientes virtuais.

• Experiência prática com NLP incluindo: tokenização, stemming/lematização, remoção de stopwords, vetorização (TF IDF, word2vec ou embeddings).

• Conhecimento aplicado de embeddings, busca semântica e técnicas de RAG (ex.: Sentence BERT, modelos de embeddings atuais ou similares), além de familiaridade com bancos vetoriais (ex.: FAISS, ChromaDB, Pinecone, Qdrant).

• Experiência com pelo menos um framework de deep learning (PyTorch ou TensorFlow) – suficiente para carregar modelos pré treinados e fine tuning simples.

• Noção de pipelines analíticos e experimentação em ciência de dados aplicada a NLP (ex.: extração → pré processamento → embedding → busca/classificação → geração com contexto) e versionamento com Git.

Requisitos desejáveis (diferenciais)

• Experiência com modelos gerativos (LLMs), engenharia de prompts e avaliação de respostas será um diferencial importante.

• Conhecimento de bancos relacionais (PostgreSQL) e NoSQL (MongoDB, Redis).

• Vivência em projetos reais (acadêmicos ou profissionais) com documentação e testes.

Informações adicionais:

• Disponibilidade: 40h semanais
• Duração: 9 meses
• Bolsa Auxílio: R$ 9.000,00
• Atuação: Remota

Conheça o INOVA TALENTOS

https://vimeo.com/676464243/165a0bf5f5

https://vimeo.com/fabrikafilmes/review/680121344/b5b3c6e91d

Requisitos