Responsabilidades e RequisitosProficiência em: Python, R, SQL, Scala ou outras linguagens usadas para manipulação e análise de dados.Experiência com: bibliotecas e frameworks como TensorFlow, Keras, Scikit-learn, XGBoost, entre outros.Conhecimento em: tecnologias de Big Data, como Hadoop, Spark, Kafka, para lidar com grandes volumes de dados.Conhecimento em: bancos de dados relacionais (SQL) e não relacionais (NoSQL), como PostgreSQL, MySQL, MongoDB.Conhecimento multi-cloud: GCP e AWS (SageMaker, Vertex, Vertex AI, Bedrock, Gemini, etc).Entendimento profundo de: conceitos estatísticos, probabilidade, álgebra linear e cálculo.Experiência em: modelagem estatística, validação de tendências, scores, relevância, fraude, riscos, performance e resultado, manipulação de bancos de dados e otimização de algoritmos.Experiência com: esteiras MLOps e AIOps.Habilidades: comunicação, pensamento crítico, solução de problemas e trabalho em equipe.Proatividade.TarefasIdentificar, coletar e acessar fontes de dados relevantes, internas e externas, como bancos de dados, APIs, logs e fontes de dados públicas.Preprocessar os dados, garantindo a qualidade dos dados.Converter dados brutos em formatos utilizáveis para análise.Realizar análises exploratórias para entender melhor a distribuição e características dos dados.Criar gráficos e relatórios visuais para identificar padrões e comunicar descobertas iniciais.Desenvolver e treinar modelos preditivos e descritivos utilizando técnicas de machine learning.Avaliar o desempenho dos modelos usando métricas apropriadas e aplicar técnicas de validação cruzada.Refinar e ajustar hiperparâmetros para maximizar o desempenho dos modelos.Integrar modelos de machine learning em sistemas de produção ou pipelines de dados.Automatizar fluxos de trabalho para o processamento contínuo de dados e execução de modelos.Ficar atualizado com as novas tendências e ferramentas na área de ciência de dados.Desenvolver protótipos para testar novas abordagens e técnicas em diferentes desafios de dados.#J-18808-Ljbffr