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.