Requisitos: Conhecimentos em Cloud Azure Databricks Conhecimentos do processo de construção de modelos: Análise Descritiva e Exploratória de Dados Teste de Hipóteses Inferência Clássica e Bayesiana Construção de modelos Estatísticos de Machine Learning Análise de Diagnósticos Fortes Conhecimentos de Python/R Experiência com apresentações orais e escritas. Experiência com análise de dados para descobrir padrões ocultos. Conhecimento em ferramentas de visualização de dados. Experiência com análise e resolução de problemas relacionados a dados. Experiência com programação em Python e seu ecossistema de análise de dados (Pandas, Scikit-Learn e Numpy). Experiência com extração e análise de banco de dados (SQL). Experiência com limpeza e transformação de dados (Feature Engineering). Experiência com Algoritmos de Regressão, Classificação e Clustering Experiência com Reinforcement Learning e Association Rules Learning Experiência com Neural Networks Supervised and Unsupervised Learning Desejável: Inglês avançado será um diferencial; Mestrado ou Doutorado em Ciência da Computação, Matemática, Estatística, Economia, Engenharia ou áreas correlatas;Experiência com os ambientes Airflow, Git, Cloud Azure, Pentaho Data Integration;Experiência com Data Factory, DataBricks, Synapse, PowerBI, ElasticSearch, Kibana. Kafka, Spark, Spark Streaming;Experiência com ML DL, AutoML, MLOps e Engenharia de Dados. Atividades: Foco no desenvolvimento de soluções dentro do Lab de Inovação do Cliente; Realizar análises descritivas e exploratórias para entendimento de dados e levantamento de hipóteses técnicas;Desenvolver modelagem preditiva utilizando o estado da arte em Machine Learning e as métricas adequadas para seleção de modelos;Validar tecnicamente a utilização dos modelos preditivos;Desenvolver certificação prática do desempenho dos modelos (teste A/B, controle/intervenção, planejamento e experimentos);Colaborar com o time de Estatísticos, Engenheiros em Machine Learning, Economistas para resolver problemas usando Data Science;Validação de estruturas de dados e Feature Engineering;Trabalhar com o time de Engenheiros de Dados e Arquitetos de Dados na criação de Datasets para treinamento de múltiplos modelos;Coletar, limpar, armazenar, organizar, integrar dados e ajudar na criação de pipelines de dados;Auxiliar na expansão do uso da ciência de dados nas frentes dos negócios.