Cientista de Dados Sr.

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. Requisitos mínimos 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).