**DESCRIÇÃO DO CARGO**:
Essa posição deve ser responsável por construir modelos estatísticos e desenvolver mecanismos e serviços baseados em advanced analytics e Big Data.
Aplica forte expertise em machine learning, data mining e obtenção de informações para desenhar soluções com visão cliente a cliente que alavanquem os resultados da companhia.
O foco pode ser em qualquer problema ou oportunidade relevante para o negócio, que deve ser priorizado pela gestão da área em conjunto com a equipe de tradução.
**RESPONSABILIDADES PRINCIPAIS**:
- Aplica forte expertise em machine learning, data mining e obtenção de informações para desenhar, construir modelos e desenvolver mecanismos e serviços baseados em analytics de próxima geração
- Desenvolve modelos e algoritmos complexos que alavancam inovações em toda a organização.
As atividades podem incluir melhoria da performance, planejamento de rede, vendas, otimização e antifraude
- Conduz análises estatísticas avançadas para fornecer insights acionáveis, identificar tendências e mensurar a performance.
Entende como aplicar as diferentes técnicas aos problemas do negócio
- Fornece thought leadership, pesquisando melhores práticas, conduzindo experimentos e colaborando com líderes da indústria
**REQUISITOS MÍNIMOS**
- **Formação Acadêmica**: Graduação em matemática, física, engenharia, ciência da computação, estatística, economia.
- **Experiência**: 3 a 5 anos de experiência em função relacionada à ciência de dados e/ou estatística.
Experiência no trabalho com grandes conjuntos de dados, simulação/otimização.
- **Conhecimentos Específicos**:
- Conhecimento aprofundado de machine learning, estatística, otimização e modelagem
- Experiência com R, Python, Databricks e DataRobot
- Desejável experiência com ferramentas de computação distribuída, Spark on-prem, SAS Guide e Miner e Cloudera Data Science Workbench
- Algorithm Fairness
- Supervised and Unsupervised Learning
- Reinforcement Learning.
Hybrid Learning Problems
- Compreender e resolver problemas de Overfitting e Underfitting
- Algoritmos: Recomendação; Classificação: Regressão Linear, Regressão Logistica ; Clusterização: K-means e Hierarquica ; Support Vector Machines ; Random Forest ; Redes Neurais e Deep Learning ; Ajustes de Hiperparâmetros, Regularização e Otimização ; Redes Neurais
- Frameworks / Bibliotecas: Pandas, numpy, scikit-learn, tensorflow, keras, matplotlib, seaborn
- **Características comportamentais**:Interesse pela pesquisa e aquisição de novos conhecimentos, resiliência para ambientes não estruturados e preocupação com aplicabilidade das soluções e seus impactos no negócio