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.
#J-18808-Ljbffr