Principais desafios: O Cientista de Dados será corresponsável pelo desenvolvimento de soluções de inteligência preditiva, tendo como principais atividades: Auxiliar e Desenvolver modelos preditivos, robustos e escaláveis, para apoiar a tomada de decisão da área de crédito; Conduzir pesquisas para compreender as causas dos principais problemas de negócios e propor soluções data-driven; Explorar os diversos conjuntos de informações disponíveis para determinar pontos fracos do portfólio, tendências e oportunidades de negócios; Propor métodos de análise e monitoramentos inteligentes e recomendar melhorias para os processos decisórios existentes; Atuar no processo de deploy de serviços preditivos – MLOps – de acordo com as melhores práticas; Aplicação sistemática de metodologias de análise de dados que promovam a descoberta de actionable insights; Interação com principais drivers da concessão e manutenção de crédito: credit score, endividamento, capacidade de pagamento, entre outras features relevantes; Uso de processos e métricas de risco de crédito regulamentares (BaCen e SOX) e/ou definidas pelo apetite de risco do banco. Quais as principais competências para a posição? Formação acadêmica dentre os cursos de Matemática Aplicada, Física, Estatística, Computação Científica e Engenharias; Já ter atuado com as ferramentas computacionais de análise de dados, plataformas cloud e apresentação de resultados (Python, R, SQL, Office, Tableau, AWS, Github, entre outros); Contato com as pipelines de dados, desenvolvimento de algoritmos, stacking de modelos e deploy de serviços; Capacidade de trabalhar com fontes distintas de dados, incluindo dados não estruturados; Atuação com as principais implementações dos algoritmos de ML para problemas de clusterização, regressão, classificação, além de possuir habilidade no design de redes neurais artificiais e construção de modelos de séries temporais; Conhecimento sobre as técnicas estatísticas de modelagem paramétrica de distribuição de variáveis aleatórias e suas propriedades, testes de hipóteses e seus usos; Aplicação de técnicas de análise e tratamento de vieses nas bases de dados e features de interesse; Compreensão sobre a aplicação de métodos de matemática e engenharia financeira necessários para a moderna gestão de portfólios de crédito; Perfil analítico e foco na solução de problemas complexos considerando múltiplos cenários e relações de risco vs. retorno; Comunicação clara e objetiva das análises, modelos e descobertas para as áreas de negócios. Modelo de atuação: Híbrido (4 dias presencial no escritório e 1 dia de home office)
#J-18808-Ljbffr