Cientista De Dados Sr

Description
Descrição da Posição

Profissional responsável por desenvolver e implementar soluções analíticas avançadas e modelos de machine learning que geram valor estratégico para o negócio. Lidera projetos de ciência de dados end-to-end, desde a definição do problema até a implantação de modelos em produção, utilizando o ecossistema Google Cloud Platform (GCP) para construir soluções escaláveis e robustas.

Requirements
Requisitos

• Graduação em Ciência da Computação, Estatística, Matemática, Engenharia ou áreas correlatas (Mestrado/Doutorado desejável)
• Experiência mínima de 6-8 anos em ciência de dados e analytics
• Experiência comprovada em projetos de ML/IA com impacto mensurável no negócio
• Portfólio de projetos demonstrando expertise técnica
• Certificações GCP (Professional Data Engineer, Professional ML Engineer) desejáveis

Hard Skills

Essenciais:

• Google Cloud Platform (Sênior): BigQuery, Vertex AI, Cloud Storage, Dataflow, Dataproc, Cloud Functions, Cloud Run
• Machine Learning: Algoritmos supervisionados e não-supervisionados, deep learning, NLP, computer vision, séries temporais
• Programação: Python avançado (scikit-learn, TensorFlow, PyTorch, Keras), R, SQL avançado
• MLOps: Vertex AI Pipelines, Kubeflow, MLflow, versionamento de modelos, monitoramento em produção
• Feature Engineering: Criação, seleção e transformação de features, feature stores
• Estatística: Testes de hipóteses, inferência estatística, análise exploratória avançada, experimentação A/B
• Big Data: PySpark, Apache Beam, processamento distribuído no Dataproc
• Visualização: Looker, Data Studio, Matplotlib, Seaborn, Plotly

Diferenciais:

• IA Generativa: LLMs, Vertex AI Generative AI, prompt engineering, RAG (Retrieval-Augmented Generation)
• AutoML: Vertex AI AutoML, otimização de hiperparâmetros
• Real-time ML: Streaming analytics, Pub/Sub, online predictions
• Governança de Dados: Data Catalog, Dataplex, políticas de privacidade e ética em IA
• DevOps: CI/CD para ML, Docker, Kubernetes (GKE), Terraform
• Frameworks especializados: XGBoost, LightGBM, CatBoost, Hugging Face Transformers

Soft Skills

• Pensamento analítico: Capacidade de estruturar problemas complexos e definir abordagens analíticas adequadas
• Visão de negócio: Tradução de desafios de negócio em problemas de ciência de dados e vice-versa
• Comunicação estratégica: Apresentação de insights e resultados para audiências técnicas e não-técnicas, storytelling com dados
• Liderança técnica: Mentoria de cientistas júnior/pleno, definição de melhores práticas
• Curiosidade intelectual: Investigação profunda de dados e fenômenos, questionamento constante
• Colaboração multidisciplinar: Trabalho efetivo com engenheiros, analistas, product managers e stakeholders de negócio
• Experimentação: Mindset científico, design de experimentos, validação rigorosa de hipóteses
• Gestão de projetos: Priorização, planejamento e entrega de projetos de dados com autonomia
• Resiliência: Persistência diante de problemas complexos e resultados iniciais negativos
• Ética em IA: Consciência sobre vieses, fairness, explicabilidade e impacto social dos modelos

Responsabilidades Principais

• Liderar projetos de ciência de dados do início ao fim (discovery, desenvolvimento, deploy, monitoramento)
• Desenvolver modelos de ML/IA escaláveis e performáticos utilizando GCP
• Realizar análises exploratórias complexas e gerar insights acionáveis
• Implementar pipelines de MLOps para automação e monitoramento de modelos
• Definir métricas de sucesso e avaliar impacto de negócio das soluções
• Colaborar com engenheiros de dados na construção de features e pipelines
• Mentorear cientistas de dados júnior e pleno
• Manter-se atualizado com state-of-the-art em ML/IA e avaliar aplicabilidade
• Documentar metodologias, experimentos e resultados
• Garantir boas práticas de governança, ética e explicabilidade dos modelos

Diferenciais Competitivos

• Publicações em conferências/journals de ML/IA
• Contribuições open-source em projetos de ciência de dados
• Experiência com múltiplas clouds (Azure, AWS) além de GCP
• Conhecimento em domínios específicos (finanças, saúde, varejo, etc.)
• Experiência com produtos de dados e data products
• Vivência em ambientes ágeis (Scrum, Kanban)

Stack Tecnológico GCP Detalhado Dados e Armazenamento

• BigQuery: Data warehouse, SQL analytics, ML integrado (BQML)
• Cloud Storage: Data lake, armazenamento de datasets e artefatos
• Cloud SQL / Cloud Spanner: Bancos relacionais
• Firestore / Bigtable: Bancos NoSQL

Machine Learning e IA

• Vertex AI: Plataforma unificada de ML (training, deployment, monitoring)
• Vertex AI Workbench: Notebooks gerenciados (Jupyter)
• AutoML: Treinamento automatizado de modelos
• Pre-trained APIs: Vision AI, Natural Language AI, Speech-to-Text, Translation

Processamento de Dados

• Dataflow: Apache Beam, processamento batch e streaming
• Dataproc: Clusters Spark/Hadoop gerenciados
• Pub/Sub: Mensageria e streaming de eventos
• Cloud Composer: Orquestração (Apache Airflow)

Deploy e Serving

• Cloud Run: Containerização serverless
• Cloud Functions: Funções serverless
• GKE (Google Kubernetes Engine): Orquestração de containers
• Vertex AI Endpoints: Serving de modelos

Governança e Monitoramento

• Data Catalog: Catalogação e descoberta de dados
• Dataplex: Governança unificada de dados
• Cloud Monitoring: Observabilidade e alertas
• Cloud Logging: Logs centralizados

Benefits

---