Formação necessária:Superior completo em Ciência da Computação, Engenharia de Dados, Engenharia de Software ou áreas correlatas.Conhecimentos necessários:Programação em Python (instalação de bibliotecas, lógica e boas práticas).Tratamento e análise de dados (relacionamento entre tabelas, qualidade e otimização).Bibliotecas de ciência de dados em Python (gestão de versões e dependências).Banco de Dados Relacional e SQL.Orquestração e transformação de dados (ex: Apache Airflow).Gestão e sustentação de modelos em produção.Raciocínio lógico e analítico.Experiência com plataformas de cloud (Azure, AWS, GCP) para ML/Analytics.Frameworks de machine learning (Scikit-learn, TensorFlow, PyTorch).Integração Databricks com Azure DevOps.Modelos pré-treinados e AutoML.Técnicas de identificação e tratamento de outliers.Ferramentas de BI e Data Visualization.Principais Responsabilidades:Liderar projetos de análise e previsão de dados, atuando de ponta a ponta no ciclo de desenvolvimento.Colaborar com áreas de negócio para entender demandas e propor soluções inovadoras baseadas em dados.Aplicar técnicas avançadas de análise e previsão, incluindo ML, redes neurais para séries temporais e classificação.Gerenciar o ciclo de vida dos modelos, comunicando resultados e performance de forma clara para stakeholders.Realizar o deploy de modelos de ML e manter pipelines robustos de Machine Learning (MLOps).Capturar, estruturar e integrar novos dados em Data Warehouses e Data Lakes, garantindo governança e segurança.Garantir a qualidade, integridade e disponibilidade dos dados para modelos de Machine Learning e Inteligência Artificial.Otimizar a performance e o uso da infraestrutura de dados (Data Lake), promovendo escalabilidade e eficiência.Gerenciar e monitorar modelos em produção, assegurando alta disponibilidade e desempenho (uptime).Desenvolver e automatizar fluxos de trabalho e infraestrutura de ML, acelerando a entrega de projetos do desenvolvimento à produção.Detectar, analisar e tratar outliers ou variações na qualidade dos dados, promovendo confiabilidade nos resultados.