CO - Cientista de Dados Sênior - 229

Vaga não está no LinkedIn

🕒 Maio 6

🇧🇷 Brasil – Remoto

⏰ Tempo Integral

🟠 Sênior

📊 Cientista de Dados

👻 Score fantasma 43%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Thaloz

SiteLinkedInTodas as Vagas

51 - 200 funcionários

💼 Consultoria

📦 Logística

📣 Marketing

Consulting • Logistics • Marketing

A Thaloz é uma empresa de consultoria em tecnologia e outsourcing, focada no desenvolvimento de produtos cloud-native e na terceirização de equipes de engenharia. Ela oferece soluções de desenvolvimento de software sob medida, aproveitando talentos de alto nível da América Latina. A Thaloz fornece uma variedade de serviços, como desenvolvimento de produtos customizados, staff augmentation e soluções corporativas. Sua abordagem enfatiza uma consultoria centrada em pessoas e uma cultura de trabalho remoto, garantindo a integração sem atritos de profissionais de TI qualificados nos projetos dos clientes. Com expertise em diversas tecnologias, a Thaloz oferece suporte end-to-end, da estratégia ao lançamento, promovendo comunicação e colaboração fluidas.

Descrição

• Projetar e executar experimentos de ciência de dados, incluindo análise causal, testes A/B e avaliação offline. • Desenvolver, avaliar e iterar modelos preditivos para score de crédito/risco, previsão de receita e desempenho de políticas. • Ser responsável pelo desempenho e monitoramento dos modelos: definir métricas de sucesso, investigar deriva (drift) e promover melhorias na qualidade dos dados e na confiabilidade das features. • Trabalhar em parceria com Engenharia de Produto para colocar modelos e análises em produção, com ênfase em confiabilidade, reprodutibilidade e manutenibilidade. • Realizar análise exploratória de dados, engenharia de features e validação robusta em dados do mundo real, heterogêneos e ruidosos. • Comunicar insights e recomendações de forma clara a stakeholders técnicos e não técnicos por meio de documentação e apresentações. • Aprimorar padrões analíticos, práticas de code review e documentação para elevar a qualidade técnica. • Mentorar e apoiar membros da equipe por meio de pair programming, feedback e compartilhamento de boas práticas.

🎯 Requisitos

• 5+ anos de experiência profissional em ciência de dados, machine learning aplicado ou em uma função quantitativa relacionada. • Sólidas bases em estatística e experimentação, incluindo testes de hipótese, raciocínio causal e desenho de avaliações. • Experiência comprovada em construir e entregar modelos preditivos (classificação, regressão, séries temporais) e em medir impacto no mundo real. • Sólida proficiência em Python e SQL e conforto em trabalhar com fluxos de dados de produção. • Experiência em definir métricas de sucesso, alinhar com stakeholders e entregar resultados de ponta a ponta. • Fortes habilidades de comunicação escrita e abordagem pragmática para ambientes dinâmicos. • Experiência em responsabilizar-se pelo desempenho de modelos, monitorar deriva (drift) e melhorar a confiabilidade das features. • Desejável • Experiência com risco de crédito, underwriting, sinais de fraude/risco ou previsão financeira. • Experiência com ferramentas modernas de dados e data warehouses como BigQuery ou Snowflake e frameworks de transformação como dbt. • Familiaridade com padrões de MLOps (deploy de modelos, monitoramento, feature stores, orquestração) e ambientes em nuvem. • Experiência com fontes de dados de terceiros heterogêneas e ruidosas (dados bancários, plataformas de e-commerce, sinais de marketing).