Cientista Dados Sr

**CIENTISTA DE DADOS SR** Olá, somos o Hospital Sírio-Libanês Com mais de cem anos de existência, a Sociedade Beneficente de Senhoras Hospital Sírio-Libanês tem como foco oferecer uma assistência médico-hospitalar de excelência, com um olhar humanizado e individualizado, em mais de 60 especialidades. Por meio do nosso Instituto de Ensino e Pesquisa, compartilhamos conhecimento e desenvolvemos atividades de ensino, com uma busca constante por tecnologia de ponta e inovação em saúde. Desenvolvemos ainda projetos integrados com o Ministério da Saúde de apoio ao Sistema Único de Saúde (SUS) e contribuímos para a disseminação de conhecimento, como parte do Programa de Apoio e Desenvolvimento Institucional do Sistema Único de Saúde (Proadi-SUS). Sírio-Libanês para todos e todas Acreditamos que a diversidade é fator fundamental que molda a nossa cultura, por isso respeitamos as individualidades que tornam cada pessoa única. Nossas vagas estão abertas para todas as pessoas que acreditam em seu potencial e detêm os requisitos técnicos para executar a função escolhida. Você pode participar dos nossos processos seletivos independentemente de deficiência, raça, etnia, idade, religião, sexo biológico, identidade de gênero, orientação sexual, expressão de gênero ou biótipo. O Sírio-Libanês é uma instituição plural e queremos ser cada vez mais. Venha com a gente nessa jornada por mais inclusão, diversidade, equidade, representatividade e proporcionalidade O que você vai encontrar neste desafio? Estamos vivendo em um mundo que está passando por grandes transformações de maneira rápida. Um mundo cada vez mais ágil e digital. Acreditamos na mudança e evolução para sermos cada vez melhores, buscando uma experiência inspiradora. Por isso, pensando na nossa experiência, queremos ouvir e cuidar cada vez mais das nossas pessoas. Nossa principal missão é incentivar a transformação organizacional por meio da influência, sendo provocador das mudanças que possam elevar a instituição a um patamar de inovação e tecnologia para alavancar cada vez mais a competitividade. Neste desafio você será responsável por: - Identificar soluções com uso de dados para os problemas de negócios, incluindo análises que ajudem na tomada de decisões estratégias da instituição; - Comunicação clara dos resultados para público não-técnico, com visualizações eficazes, narrativas que incluam pontos fortes e limitações subjacentes aos métodos, guiando o gestor para a decisão mais correta em projetos de ciências de dados; - Criação de modelos matemáticos aplicados para melhor discriminação de riscos, predição de valores. Implementação em microsserviços API driven, monitoramento dos resultados do modelo e dos resultados ao negócio. - Tratar, transformar e organizar dados (estruturados ou não-estruturados, de grande volume), com uso de habilidades em matemática, estatística, programação. Compreender os mecanismos de dados faltantes para o melhor tratamento; Para este desafio você precisará ter: - Visão geral de desenhos de estudo e estratégias para melhorar acurácia. Conhecimento de métodos em epidemiologia; - Curadoria e análise de dados: limpeza (valores duplicados, faltantes e anomalias), manipulação de dataframes, pré-processamento (normalização, transformação, discretização e codificação de variáveis categóricas), representação de medidas descritivas de dados qualitativos e quantitativos. - Conceitos básicos de causalidade e inferência causal; diagramas causais; medidas de ocorrência, medidas de efeito, medidas de associação, conceitos de interação, viés e confusão; - Conceitos básicos de probabilidade, estatística descritiva e inferencial; - Python: domínio das principais bibliotecas (Pandas, NumPy, SciKit-Learn, Matplotlib); - SQL. Conhecimento de infraestrutura de Dados (On-premise, Cloud) e pipeline de Engenharia de dados - RT, NRT e Batch; - Lógica de programação, estruturas de dados, ferramentas de documentação, compartilhamento de experimentos e reprodutibilidade, e ferramentas de controle e revisão de código com pares; - Aprendizado de máquina: domínio do processo de modelagem, incluindo treinamento/teste, engenharia e seleção de variáveis, reamostragem (validação cruzada k-fold, Monte Carlo, Bootstrap), escolha de hiperparâmetros e melhores ajustes, e técnicas quando dados desbalanceados. Conceitos de sobre - e subajuste, e problemas de grande dimensão (p>>>n). Experiência em aprendizado não-supervisionado, como cluster (K-Means, hierárquico), regras de associação (market basket analysis, Apriori), SOM; - Comunicação, visualização de dados e data storytelling. Para que possamos nos conhecer melhor, teremos as seguintes etapas: - Análise dos critérios de elegibilidade - Análise do currículo - Avaliação técnica e comportamental