Cientista De Dados

CIENTISTA DE DADOS - MODELAGEM ESPACIALVocê deve preencher o formulário disponível no link abaixohttps://striped-owner-101.notion.site/1ee1d****e8e807d8cabdaf14e485a7e?pvs=105SOMENTE SERÃO AVALIADOS(AS) CANDIDATOS(AS) QUE ENVIAREM SUAS INFORMAÇÕES NESTE NO LINK INFORMADOCONTRATAÇÃO* Tipo de Bolsa: Bolsa de Desenvolvimento Tecnológico DT-I — R$ *****,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 GeralO 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 AtividadesModelagem Preditiva SegmentadaDesenvolver 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 GeoespaciaisSelecionar 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 & TransferênciaImplementar 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 & ComunicaçãoGerar 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 & DeployColaborar em API REST, exportação de modelos e integração com bancos PostGIS/H3.Apoiar design de ETL e operacionalização (on-premise/nuvem).Requisitos ObrigatóriosFormação 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 SkillsPensamento 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).