Cientista de dados

CIENTISTA DE DADOS - MODELAGEM ESPACIAL Você deve preencher o formulário disponível no link abaixo SOMENTE SERÃO AVALIADOS(AS) CANDIDATOS(AS) QUE ENVIAREM SUAS INFORMAÇÕES NESTE NO LINK INFORMADO CONTRATAÇÃO Tipo de Bolsa: Bolsa de Desenvolvimento Tecnológico DT-I — R$ 5.200,00 (Valores fixos conforme edital FAPEMIG; sem negociação. Contratação como pessoa física, sem vínculo CLT, MEI ou PJ.) Local de Trabalho 100 % home-office, obrigatoriamente residente em Minas Gerais Formação: Graduação e experiência equivalente (≥6 anos) em ciência de dados, modelagem espacial de dados ambientais ou áreas correlatas ou Doutorado na área. IMPORTANTE : Estes requisitos são exigência da FAPEMIG, não sendo possível alterar qualquer ponto. Descrição Geral O Cientista de Dados será responsável pelo desenvolvimento de modelos preditivos segmentados de risco de acidentes rodoviários, utilizando dados geoespaciais, telemática veicular e infraestrutura viária. O foco será a criação de algoritmos robustos para identificar, prever e priorizar áreas de alto risco nas estradas brasileiras, bem como atuar em ambiente multidisciplinar colaborando com engenheiros de dados, especialistas em GIS e biólogos. Principais Atividades Modelagem Preditiva Segmentada Desenvolver modelos independentes (R1-R5) usando XGBoost, RandomForest, entre outros. Criar modelo agregador integrando os outputs especializados. Incorporar transfer learning e telemática (velocidade, frenagem, etc). Feature Engineering & Dados Geoespaciais Selecionar e transformar features críticas (curvatura, gradiente, faixas, clima, tipo veículo...). Clean, integrar e tratar grandes bases heterogêneas (rodovias, clima, fauna, acidentes). Operar agregação espacial com H3, imputação por vizinhança e filtros para outliers. Validação Avançada & Transferência Implementar validação Leave-One-Corridor Out (LOCO). Justificar o uso de gates de extrapolação e calibração Platt scaling. Calibrar thresholds por tipo de acidente visando sensibilidade/precisão. Interpretabilidade & Comunicação Gerar explicabilidade de modelos usando SHAP (top features, dependências). Elaborar relatórios mensais e dashboards técnicos. Recomendar intervenções específicas baseadas em outputs analíticos. Integração com Engenharia de Dados & Deploy Colaborar em API REST, exportação de modelos e integração com bancos PostGIS/H3. Apoiar design de ETL e operacionalização (on-premise/nuvem). Requisitos Obrigatórios Formação superior (ciências exatas). Necessário doutorado ou 6 anos de conclusão de graduação. Forte experiência em machine learning aplicado (mínimo 2 anos prática, 3 anos Python). Experiência comprovada com dados geoespaciais (Geopandas, Shapely, PostGIS). Proficiência em pandas, scikit-learn, XGBoost, SHAP. Sólida base de estatística, inferência, validação cruzada e métricas. Experiência com bancos GIS; manuseio eficiente de dados espaciais. Inglês técnico para compreensão de documentação e papers. Diferenciais (Desejáveis) Experiência com transfer learning, multi-task learning. Domínio de deploy de modelos via API (FastAPI, Flask) e cloud (GCP, AWS). Vivência com telemática (dados GPS, séries temporais, LSTM, CNN). Familiaridade com MLOps, MLflow, detecção e monitoramento de drift. Experiência quantitativa em análise de segurança viária ou ecologia de estradas. Proatividade no uso de IA generativa (ChatGPT, Copilot). Soft Skills Pensamento crítico, solução de problemas e autonomia analítica. Capacidade de comunicação clara para equipes técnicas e não técnicas. Facilidade para ambientes multidisciplinares (dados, GIS, fauna, engenharia).