Na Solar Coca-Cola, a paixão não é apenas um sentimento, é a força que impulsiona tudo o que fazemos.
Nossa jornada é trilhada por mais de 19 mil pessoas solares, espalhadas por 13 fábricas e 44 Centros de Distribuição, atendendo a aproximadamente 400 mil pontos de venda em uma área que representa 70% do Brasil.
Acreditamos que o sucesso é construído com dedicação e trabalho em equipe, onde cada um tem a oportunidade de ser protagonista e contribuir para o crescimento da empresa.
Contagiamos uns aos outros com a energia e o entusiasmo que nos movem a dar o nosso melhor a cada dia, dentro e fora dos muros vermelhos.
Propósito, desenvolvimento e performance sustentam a nossa proposta de valor ao colaborador e nos fazem cada vez mais Solar.
Juntos, somos a Solar Coca-Cola: Paixão que transforma.
Sede que impulsiona.
#VemSerSolar /n O que você precisa ter: Concluiu graduação em TI, Engenharias, Matemática, Estatística, Física, Química e afins; Tem conhecimento em algoritmos de ciência de dados e habilidade com escrita de código em Python; Conhecimento em processo de versionamento e revisão de código (ex: github, gitlab, etc), processos de monitoria de modelos em produção e metodologias de experimentação (ex: teste A/B); Experiência com criação de produtos de dados, com manipulação de grandes quantidades de dados e uso de ferramentas (ex: Spark, Dask, etc); Possui conhecimento em SQL e no Data Science Toolkit (ex. scikit-learn, pandas, notebooks, etc.)
e em modelos preditivos. Será um diferencial se você: É pós-graduado(a) em áreas correlacionadas com ciência de dados; Tem conhecimento do processo de deployment de modelos em produção e com metodologias de teste para produtos de dados.
Horário de Trabalho: 8h às 17h48 de segunda a sexta.
/n Como será o seu dia a dia: Desenvolver modelos e análises diagnósticas, descritivas, preditivas e prescritivas usando técnicas de análise estatística e de machine learning para suporte a decisões data-driven; Aprimorar continuamente os modelos existentes, para tornar o bom ainda melhor; Aliar a elaboração de modelos estatísticos complexos a problemas específicos de negócio, garantindo índices cada vez maiores de aprovações automáticas de baixíssimo risco; Aliar alta qualidade de projetos de modelos com rápida entrega, atendendo as demandas e especificidades de cada segmento; Atualizar-se constantemente em relação a novas práticas em ciência de dados; Aplicar técnicas estatísticas de amostragem e modelagem para identificar pontos de melhoria no negócio; Aplicar técnicas de clusterização para identificar o perfil do cliente.