**Trainee em Ciência de Dados**:
**Hibrido 3x na semana**:
**Alphaville - São Paulo**:
**Estamos em busca de um**Trainee em Ciência de Dados** para atuar no nosso projeto de combate a fraudes em chamadas de voz. Você irá trabalhar diretamente na identificação de padrões suspeitos em CDRs (robocalls, traffic pumping, Wangiri, roubo de serviço etc.), apoiando a construção de modelos e pipelines analíticos que garantam a segurança e eficiência da rede de nossos clientes.**:
**Principais Requisitos**:
**Formação e Conhecimentos Técnicos**:
- **Graduação em Ciência de Dados, Estatística, Matemática, Engenharia, Computação ou áreas afins (em curso ou recém-graduado).**:
- **Python**: experiência com pandas, NumPy e scikit-learn para tratamento e modelagem de dados.**:
- **SQL**: habilidade em escrever e otimizar consultas para extração de CDRs.**:
- **Análise Exploratória (EDA)**: capacidade de identificar padrões, outliers e preparar relatórios iniciais.**:
- **Modelos de Machine Learning**: conhecimento prático em classificação, clustering e, especialmente, técnicas de detecção de anomalias (Isolation Forest, DBSCAN, autoencoders).**:
- **Visualização**: uso de matplotlib, seaborn ou Plotly para criação de gráficos e dashboards.**:
- **Fundamentos sólidos de**estatística** e probabilidade para avaliação de métricas (precisão, recall, F1-score).**:
**Competências Comportamentais**:
- **Curiosidade analítica e proatividade para investigar grandes volumes de dados.**:
- **Rigor e atenção aos detalhes na preparação e validação de datasets.**:
- **Boa comunicação para compartilhar insights técnicos com equipes multidisciplinares.**:
- **Espírito de equipe e disposição para aprender metodologias de MLOps e operações de produção de modelos.**:
**Diferenciais**:
- **Projetos acadêmicos ou experiência com**dados de telecom** (CDRs, SIP, call-flow).**:
- **Noções de**Big Data** (Spark, Hadoop) ou pipelines em nuvem.**:
- **Familiaridade com**MLOps** (MLflow, Airflow, Docker).**:
- **Inglês técnico para leitura de artigos e documentação especializada.**: