Desenvolvimento de Sistemas de Recomendação
* Implementação de sistemas de recomendação com filtragem colaborativa, conteúdo e abordagens híbridas.
Modelos de Previsão de Séries Temporais
* Construção e validação de modelos utilizando técnicas tradicionais e de machine learning (ARIMA, Prophet, LSTM).
Algoritmos de Boosting e Árvores de Decisão
* Implementação de algoritmos de boosting (XGBoost, LightGBM, CatBoost) e árvores de decisão para diversas tarefas de aprendizado supervisionado.
Para o sucesso nesse papel é necessário:
* Graduação ou Mestrado em Matemática, Estatística, Física ou áreas relacionadas;
* Experiência comprovada em sistemas de recomendação e modelos de séries temporais;
* Sólido conhecimento em algoritmos de boosting e árvores de decisão;
* Proficiência em Python e bibliotecas como scikit-learn, pandas, NumPy, statsmodels.