Desenvolvimento de Carreira
Oportunidade de se destacar em um ambiente de inovação e tecnologia, trabalhar com projetos complexos e explorar diferentes habilidades.
Atrair profissionais talentosos para compor uma equipe diversificada e criativa, capacitada a enfrentar desafios e encontrar soluções inovadoras.
Projetos de alta relevância que exigem experiência avançada em Machine Learning, Deep Learning e IA, além de uma abordagem interdisciplinar e foco na qualidade.
Responsabilidades:
* Desenvolver e implementar modelos de machine learning e deep learning para resolver problemas complexos;
* Realizar análise exploratória de dados e engenharia de features para melhorar a qualidade dos modelos;
* Integrar inteligência artificial em sistemas, incluindo APIs, dashboards e aplicações;
* Automatizar coleta, limpeza e análise de dados;
* Tratar grandes volumes de dados estruturados e não estruturados;
* Colaborar com TI e áreas de negócios para oportunidades de IA;
Planejamento e Execução de Testes (QA):
* Realizar testes de funcionalidades e correção de bugs;
* Definir cenários e casos de teste;
* Avaliar a acurácia e indicadores de modelos;
* Registro, acompanhamento e resolução de defeitos;
* Garantia da qualidade e sugestão de melhorias contínuas;
Requisitos e Qualificações:
* Escolaridade mínima: ensino superior completo em graduação em análise de sistemas, ciência da computação, sistemas de informação ou áreas correlatas;
* Escolaridade desejável: cursando pós-graduação;
Competências:
* Programação em Python e bibliotecas: pandas, numpy, scikit-learn, tensorflow, keras, pytorch, microsoft copilot, google gemini, chatgpt;
* Experiência com IA avançada: LLMs, LSTMs, redes neurais (convolucionais, recorrentes, adversariais), IA generativa;
* Machine learning & estatística: modelagem estatística, aprendizado supervisionado e não supervisionado;
* Experiência com bancos de dados: Microsoft SQL Server;
* Visualização de dados: power bi, plotly, matplotlib;
* Comunicação clara de resultados técnicos para áreas não técnicas;
Diferenciais:
* Experiência com bancos de dados NoSQL;
* Conhecimento em MLOps e deploy de modelos em produção;
* Experiência com big data: Spark, Hadoop;
* Projetos de automação de processos empresariais;
* Pós-graduação ou certificações em IA/data science;