CIENTISTA DE DADOS PLENOQual o seu papel na construção desta trilha?Coleta, limpeza e preparação de dados para análise;Desenvolvimento e implementação de modelos estatísticos, algoritmos de machine learning, e técnicas avançadas de aprendizado de máquina (deep learning);Exploração e análise de grandes conjuntos de dados para identificar tendências, padrões e insights relevantes;Colaboração com equipes de negócios e de tecnologia para entender requisitos, definir métricas e implementar soluções de dados;Desenvolvimento de visualizações de dados e painéis interativos para comunicar resultados e insights de forma clara e eficaz;Avaliação e seleção de ferramentas, técnicas e metodologias adequadas para abordar problemas específicos de análise de dados;Fomento de uma cultura orientada por dados, compartilhando conhecimento e melhores práticas com colegas de equipe;Realizar pesquisas sobre as últimas tendências em IA e processamento de linguagem natural (PLN), aplicando-as ao projeto.Quais vivências esperamos de você?Vivência em análise de dados, modelagem estatística e machine learning;Expertise em pelo menos uma linguagem de programação Python;Experiência comprovada em projetos de IA, especialmente com LLMs como o Claude,Conhecimento sólido de SQL e experiência em manipulação de grandes conjuntos de dados;Conhecimento em ferramentas e bibliotecas de machine learning, como scikit-learn, TensorFlow ou PyTorch;Conhecimento em técnicas de visualização de dados e ferramentas como Matplotlib, Seaborn, Plotly, ou similares;Habilidade com linguagens de programação como Python e bibliotecas específicas de IA e machine learning;Graduação em Ciência da Computação, Estatística, Matemática, Engenharia ou área relacionada.Será incrível se você já tiver:Vivência com plataformas de big data, como Hadoop, Spark ou similar;Vivência em linguagens de programação adicionais, como R;Conhecimento de ferramentas de visualização de dados empresariais, como Looker Studion, Power BI ou QlikView;Conhecimento de técnicas de processamento de linguagem natural (NLP) e aprendizado profundo (deep learning), incluindo fundamentos de redes neurais, e bibliotecas específicas para modelos de deep learning, como TensorFlow ou Keras;Entendimento de como funcionam as Redes Neurais Convolucionais, Redes Neurais Recorrentes, RBM e Autoencoders;Compreensão dos diferentes tipos de técnicas de Machine Learning: Aprendizado Supervisionado e Não Supervisionado, e bom conhecimento em algoritmos específicos como Regressão Linear, Regressão Logística, Árvore de Decisão, Random Forest, K Nearest Neighbor e Clustering;Contribuições para projetos de código aberto, publicações acadêmicas ou participação em competições de ciência de dados.Aqui acreditamos no lifelong learning, e desejamos que você siga em busca de aprendizado contínuo!