Cientista de Dados Sênior

A Pagaleve é uma empresa do setor de "Buy Now Pay Later", uma startup fintech inovadora e uma das primeiras empresas a oferecer pagamento parcelado no PIX, sem juros, e sem a necessidade de usar cartão de crédito. Temos como objetivo oferecer a lojistas um novo método de pagamento, para aumentar suas vendas de um jeito simples, descomplicado e ágil, mas também temos como objetivo oferecer às pessoas a oportunidade de comprar aquilo que desejam, sem se comprometerem com os altos juros do cartão de crédito. Estamos buscando uma pessoa curiosa, hands-on e apaixonada por resolver problemas reais com dados e machine learning. Na Pagaleve, Ciência de Dados está no centro do negócio: nossos modelos impactam diretamente decisões de crédito, fraude, pricing, collections e experiência do usuário. Trabalhamos com alto volume de dados, problemas complexos e espaço real para experimentação. A posição terá forte interação com Produto, Engenharia, Riscos e Operações, participando desde análises exploratórias e experimentos até desenvolvimento e acompanhamento de modelos em produção. Encorajamos a experimentação com o estado-da-arte em IA e Machine Learning, incluindo o uso de Graph Neural Networks (GNNs) para aprimoramento de sistemas de risco e a exploração de LLMs para problemas de negócio. Buscamos alguém com mentalidade prática, curiosidade técnica e vontade de aprender rápido em um ambiente dinâmico e em constante evolução. Responsabilidades e atribuições Desenvolver, testar e evoluir modelos de machine learning aplicados a crédito, fraude, risco e comportamento do usuário. Explorar novas técnicas, variáveis e abordagens analíticas com foco em impacto real no negócio. Participar do ciclo de vida completo (end-to-end) dos modelos, incluindo design, implementação e manutenção de pipelines de dados e ML em produção, garantindo estabilidade e performance. Trabalhar próximo de Engenharia, Produto e Riscos para transformar problemas de negócio em soluções analíticas e modelos escaláveis. Realizar análises exploratórias, testes, experimentos e avaliações de performance de modelos. Acompanhar métricas de negócio e performance dos modelos, ajudando a identificar oportunidades de melhoria. Contribuir para boas práticas de desenvolvimento, versionamento e qualidade técnica do time. Requisitos e qualificações O que buscamos Experiência prévia com Ciência de Dados, Machine Learning ou Analytics. Boa base em estatística, modelagem preditiva e análise de dados. Experiência com Python e bibliotecas de machine learning. Familiaridade com modelos supervisionados, feature engineering e avaliação de modelos. Experiência com SQL e grandes volumes de dados. Curiosidade para explorar novas abordagens e vontade de aprender constantemente. Perfil analítico, pragmático e confortável em ambientes dinâmicos e com mudanças rápidas de contexto. Boa comunicação e capacidade de trabalhar de forma colaborativa com diferentes áreas. Diferenciais Experiência em fintechs, crédito, fraude, risco ou pagamentos. Experiência com modelos em produção ou temas de MLOps. Familiaridade com gradient boosting, redes neurais, Graph Neural Networks ou LLMs. Experiência com Foundational Models e Embbedings. Experiência com ambiente de Cloud. Conhecimento em Airflow, MLflow, Feast ou ferramentas similares. Inglês avançado. Por que a Pagaleve? Problemas complexos e reais desde o primeiro dia. Espaço para experimentação, aprendizado rápido e impacto direto no negócio. Ambiente altamente colaborativo, com proximidade entre áreas técnicas e de negócio. Autonomia para testar ideias, construir soluções e participar ativamente da evolução dos modelos e produtos da empresa. Oportunidade de atuar em uma das fintechs que mais cresce no Brasil. Informações adicionais Modelo de Contratação PJ; Remuneração Competitiva; Pensando no seu bem-estar e de toda sua família, oferecemos plano de saúde com cobertura 100% do titular e 75% para o primeiro dependente; Ifood Benefícios; Day Off no mês de aniversário; Seguro de Vida Coletivo; Cupom de desconto nas nossas lojas parceiras; Modelo remoto de trabalho.