Cientista de Dados III

Job description

Descrição do trabalho Estamos em busca de um Cientista de Dados Sênior para integrar nosso time de Gestão de Riscos no Agronegócio . O profissional atuará em um time altamente qualificado de cientistas de dados, com atuação no desenvolvimento de modelos , atributos e soluções analíticas que suportem decisões estratégicas e inovação no agronegócio. Este profissional terá também papel-chave na definição da arquitetura analítica, padrões técnicos e direcionamento de soluções de ciência de dados, atuando como referência técnica para o time e ponte entre negócio, engenharia e produtos.

Responsabilidades Desenvolver modelos de risco que otimizem a capacidade de análise e concessão de crédito no Agronegócio. Definir abordagens técnicas, stacks e padrões de desenvolvimento de modelos e pipelines analíticos. Documentar e comunicar os resultados dos modelos de forma clara e acionável para diferentes stakeholders. Realizar apresentações e coletas de feedbacks de clientes internos e externos. Colaborar com equipes multidisciplinares, incluindo profissionais dos times de Engenharia e Produtos, para entender as necessidades, identificar possibilidades de melhorias nos processos e produtos sob o ponto de vista de modelagem.

Explorar novas variáveis e informações para melhorar a capacidade preditiva dos modelos. Avaliar e implementar novas técnicas/tecnologias que possibilitem melhorar a eficiência e precisão dos modelos de risco. Monitorar constantemente o alinhamento entre as decisões técnicas em ciência de dados e os objetivos do negócio. Atuar como referência técnica (tech lead) para cientistas de dados e analistas, apoiando decisões metodológicas e revisões de código/modelo.

Liderar a evolução da arquitetura de modelos de risco (features, validação, monitoramento, MLOps). Avaliar trade-offs entre complexidade, performance, interpretabilidade e governança dos modelos. Apoiar o planejamento técnico de iniciativas analíticas de médio e longo prazo. Requisitos Básicos Graduação em Ciência de Dados, Matemática, Engenharia, Estatística, Ciência da Computação ou áreas relacionadas. Proficiência em Python e experiência com bibliotecas como Numpy, Pandas, Scikit-learn, Matplotlib, Seaborn, Jupyter etc.

Forte domínio de técnicas de Machine Learning aplicadas a problemas reais de risco/crédito, incluindo validação de modelos, controle de viés, estabilidade temporal e explicabilidade. Experiência prática em desenho de features complexas e avaliação de impacto de variáveis em produção. Capacidade de revisar, refatorar e orientar código analítico para padrões de qualidade, eficiência e reprodutibilidade. Experiência com modelagem de risco.

Experiência participando de decisões de arquitetura analítica ou técnica (dados, modelos, pipelines). Domínio na consulta e manipulação de bases de dados para construção e validação de modelos. Familiaridade com ferramentas de controle de versão, como Git e Bitbucket, para gerenciar e colaborar em projetos de código. Habilidades de comunicação para apresentar resultados técnicos de forma clara e convincente. Capacidade de trabalhar de forma independente e em equipe, com excelente comunicação e habilidades interpessoais.

Desejável/Diferencial Experiência acadêmica ou profissional em Agronegócio. Experiência atuando como referência em times de dados. Capacidade de orientar profissionais mais juniores e influenciar decisões técnicas sem autoridade formal. Experiência com engenharia de software e engenharia de Machine Learning. Capacidade de avaliar o uso de LLMs e agentes de IA como parte da estratégia analítica. Experiência em trabalhar em ambientes ágeis e colaborativos, com foco em entrega de valor contínuo.

Conhecimento em outras linguagens de programação, como R, SQL, Scala e Java. Conhecimento em Hadoop, Spark/Pyspark, Polars etc. Conhecimento em ambiente Cloud (preferencialmente AWS).

Qualifications

Qualificações Graduação em Ciência de Dados, Matemática, Engenharia, Estatística, Ciência da Computação ou áreas relacionadas. Forte domínio de técnicas de Machine Learning aplicadas a problemas reais de risco/crédito, incluindo validação de modelos, controle de viés, estabilidade temporal e explicabilidade. Capacidade de revisar, refatorar e orientar código analítico para padrões de qualidade, eficiência e reprodutibilidade.

Experiência com modelagem de risco. Experiência participando de decisões de arquitetura analítica ou técnica (dados, modelos, pipelines). Capacidade de trabalhar de forma independente e em equipe, com excelente comunicação e habilidades interpessoais.