Conduzir

frentes de Ciência de Dados desde o entendimento do problema e a

exploração dos dados até a validação da solução.Explorar,

tratar, transformar e relacionar dados provenientes de diferentes fontes,

formatos, períodos e níveis de qualidade.Realizar

análises exploratórias para identificar padrões, inconsistências,

anomalias, relações históricas e hipóteses relevantes para o negócio.Aplicar

técnicas de feature engineering, seleção de variáveis, validação e

avaliação de desempenho dos modelos.Desenvolver

análises e soluções de Machine Learning para problemas industriais,

incluindo regressão, classificação, clusterização, recomendação e detecção

de anomalias.Combinar,

quando necessário, Machine Learning, métodos estatísticos, regras de

negócio e conhecimento de especialistas.Transformar

demandas e problemas abertos em frentes de trabalho estruturadas,

definindo abordagens, etapas, prioridades e critérios de validação.Planejar

e acompanhar as atividades técnicas do projeto, identificando

dependências, riscos e bloqueios que possam comprometer as entregas.Tomar

decisões técnicas com autonomia, avaliando alternativas e conduzindo

alinhamentos nos temas de maior impacto.Articular

o trabalho entre Ciência de Dados, Engenharia de Dados, Desenvolvimento,

Produto e especialistas, garantindo clareza sobre responsabilidades,

dependências e próximos passos.Trabalhar

com especialistas para compreender processos industriais, validar

hipóteses e interpretar resultados.Conduzir

discussões técnicas com clientes, compreendendo necessidades, apresentando

alternativas e transformando os alinhamentos em direcionamentos claros

para o projeto.Avaliar

a qualidade, a confiança, a robustez, a explicabilidade e a

rastreabilidade dos resultados produzidos.Garantir

a reprodutibilidade das análises e dos modelos por meio de versionamento,

organização do código e documentação das decisões técnicas.Preparar

e apoiar a transferência das soluções para Engenharia de Dados ou

Desenvolvimento, documentando entradas, saídas, dependências, limitações e

critérios de aceite.Criar

visualizações e apresentar resultados, limitações e recomendações para

públicos técnicos e não técnicos.

Graduação

em Ciência da Computação, Engenharia, Estatística, Matemática, Física,

Economia ou áreas correlatas.Experiência

com Python aplicado à Ciência de Dados e bibliotecas como pandas, NumPy,

Scikit-learn, Matplotlib, Seaborn ou Plotly.Conhecimento

sólido de Machine Learning supervisionado e não supervisionado, incluindo

regressão, classificação, clusterização e detecção de anomalias.Capacidade

de explorar, tratar, transformar e relacionar dados de diferentes fontes,

formatos e níveis de qualidade.Experiência

com feature engineering, seleção de variáveis, tratamento de dados

faltantes e outliers, validação cruzada e ajuste de hiperparâmetros.Capacidade

de selecionar métricas adequadas ao problema e interpretar os resultados

considerando critérios técnicos e de negócio.Experiência

com versionamento, organização de código, documentação e rastreabilidade

de análises e experimentos, utilizando Git, MLflow ou ferramentas

equivalentes.Autonomia

para conduzir frentes de Ciência de Dados, estruturando problemas,

definindo próximos passos, tomando decisões técnicas e buscando

alinhamento nos temas de maior impacto.Capacidade

de transformar demandas pouco estruturadas em planos de trabalho claros,

priorizando atividades e identificando dependências, riscos e critérios de

sucesso.Capacidade

de coordenar tecnicamente diferentes interfaces do projeto, articulando

Ciência de Dados, Engenharia de Dados, Desenvolvimento, Produto,

especialistas e clientes.Capacidade

de acompanhar a evolução das entregas, antecipar bloqueios e criar clareza

sobre decisões, responsabilidades e próximos passos.Capacidade

de trabalhar com problemas abertos, formular e testar hipóteses e

comunicar resultados, limitações e recomendações.Disposição

para aprender processos industriais complexos e colaborar com

especialistas de diferentes áreas.