CIENTISTA DE DADOS SÊNIOR
Posted Updated 10
views
Description
- Diagnosticar problemas de negócio, processos e bases de dados junto às áreas e à gestão, recomendando a abordagem analítica adequada e o valor esperado, para direcionar os investimentos em dados aos objetivos do Grupo.
- Definir com as áreas de negócio o escopo, os critérios de sucesso e as métricas de resultado das soluções, refinando requisitos e regras de negócio, para que cada entrega tenha ganho mensurável e acordado.
- Conduzir tecnicamente projetos de dados do Grupo, planejando as etapas, as entregas e os riscos e coordenando a atuação dos cientistas envolvidos, para cumprir os objetivos e os prazos acordados.
- Desenvolver modelos de alta complexidade — previsão de demanda, otimização, segmentação e outras aplicações sem solução pronta —, avaliando técnicas alternativas, para resolver os problemas de maior impacto no negócio.
- Dominar as regras de negócio e os processos das áreas atendidas e traduzi-los em premissas, variáveis e restrições dos modelos, para assegurar a aplicabilidade e a confiança das áreas nas soluções.
- Definir, com a Engenharia de Dados, os requisitos de implantação, de dados e de monitoramento das soluções em Azure e Databricks, acompanhando a implantação e a integração com os sistemas corporativos, para garantir soluções sustentáveis em produção.
- Definir a forma de medir o resultado dos modelos na operação — linha de base, experimentos e comparação entre previsto e realizado —, acompanhando as áreas, para comprovar o ganho e orientar a evolução das soluções.
- Conduzir a reavaliação periódica dos modelos e pipelines, analisando desvios, degradação e mudanças no negócio, e decidir sobre ajuste, retreino ou substituição, para preservar a continuidade e a eficácia das soluções.
- Python, SQL e Spark em nível avançado;
- Estatística avançada, séries temporais, otimização e inferência causal;
- Aprendizado de máquina supervisionado e não supervisionado e técnicas de deep learning;
- Desenho de experimentos e medição de impacto;
- Ciclo de vida de modelos (MLOps) em Azure e Databricks — versionamento, registro, monitoramento e retreino;
- Arquitetura de soluções de dados;
- Inteligência artificial generativa (LLMs, RAG, agentes) e suas aplicações;
- Regras de negócio do varejo e do atacado;
- Gestão de projetos.