Responsabilidades

- Ciência de Dados & Modelagem 

- Desenvolvimento de modelos preditivos e análises estatísticas para apoiar decisões de negócio. 

- Exploração e preparação de dados (feature engineering, seleção de variáveis, análise exploratória). 

- Construção de indicadores e estudos analíticos de inferência causal para as unidades de negócio da MaisTodos. 

- Machine Learning & IA Aplicada 

- Criação e manutenção de pipelines de machine learning, incluindo avaliação, monitoramento e validação de modelos. 

- Desenvolvimento de soluções internas de IA, incluindo agentes baseados em embeddings, LLMs e arquiteturas conversacionais. 

- Deploy de aplicações e serviços de ML em ambientes cloud (AWS). 

- Engenharia Analítica 

- Manipulação e transformação de dados em ambientes cloud usando ferramentas como Python, SQL, dbt e serviços AWS (S3, Athena, Glue).

- Modelagem de dados orientada ao consumo analítico (trusted → refined → datamart), garantindo qualidade e consistência. 

- Boas práticas de versionamento, testes e governança de dados. 

- Construção de dashboards, análises e data products voltados a tomada de decisão.

- Comunicação de insights de forma clara, com foco em impacto e storytelling.

Requisitos

- Python para ciência de dados: pandas, numpy, scikit-learn, visualização (matplotlib/plotly).

- Estatística e modelagem: regressão, classificação, métricas, validação cruzada, feature engineering.

- Machine Learning aplicado: modelos clássicos, tuning, pipelines, monitoramento básico.

- SQL avançado: consultas otimizadas, modelagem relacional, manipulação de grandes volumes.

- Análise Exploratória de Dados (EDA): limpeza, detecção de outliers, transformação e entendimento de dados.

- Modelagem analítica em dbt: organização de camadas, testes essenciais e boas práticas.

- Power BI ou ferramenta equivalente: modelagem, DAX e visualização focada em insights.

- Fundamentos de IA moderna: embeddings, RAG básico, uso aplicado de LLMs).

Habilidades

- Perfil autodidata, curioso e orientado a aprender rápido.

- Comunicação clara com áreas técnicas e de negócio; forte atuação junto às áreas clientes.

- Capacidade de liderar iniciativas do zero e entregar MVPs funcionais.

- Senso forte de ownership e visão de produto nos projetos de dados/IA.

- Foco contínuo em eficiência, automação e redução de custos operacionais.

- Organização para manter roadmaps, documentação e reports atualizados.