Aplicar técnicas avançadas de ciência de dados para desenvolver modelos preditivos, generativos e agentes autônomos de IA, com foco na automação inteligente de decisões e interações. Atuar como referência técnica em projetos de alta complexidade envolvendo GCP e o Data Lake TOTVS, utilizando programação avançada para garantir desempenho, robustez e impacto direto nos resultados da empresa. Responsabilidades e atribuições: • Atuar no pipeline completo de ciência de dados: definição do problema, coleta e preparação de dados (estruturados e não estruturados), modelagem, validação, deployment e monitoramento; • Utilizar ambientes cloud (preferencialmente GCP, mas com vivência também em AWS ou Azure), explorando recursos como Vertex AI, Big Query, Cloud Functions e GCS; • Desenvolver e implementar modelos preditivos supervisionados (regressão, classificação, árvores de decisão, ensemble, redes neurais, séries temporais), com foco em performance e aplicabilidade real no contexto do ERP Protheus; • Projetar, treinar e otimizar modelos generativos (LLMs, Transformers, GANs, VAEs, Diffusion Models) para geração de conteúdo, enriquecimento de dados e assistência contextual; • Construir agentes de IA autônomos com capacidade de raciocínio, memória e integração com múltiplas fontes e APIs, utilizando frameworks como Lang Chain, Haystack, Semantic Kernel ou Auto Gen; • Aplicar técnicas de RAG (Retrieval-Augmented Generation) em soluções reais, especialmente no domínio fiscal, promovendo sistemas de recomendação, copilotos fiscais ou assistentes inteligentes; • Programar em Python com domínio de bibliotecas como scikit-learn, Tensor Flow, Py Torch, Hugging Face Transformers, além de SQL/No SQL; • Empregar práticas robustas de MLOps (MLflow, Airflow, Docker, CI/CD, APIs) para garantir rastreabilidade, versionamento e confiabilidade dos modelos; • Contribuir como referência técnica no time, atuando junto a engenheiros de dados, produto e áreas de negócio, especialmente no contexto de dados e regras fiscais no ERP Protheus; • Garantir qualidade, reprodutibilidade e aderência às melhores práticas de engenharia de IA, promovendo uma cultura data-driven e data-centric; • Interpretar e aplicar documentação técnica em inglês, com fluência na leitura para implementação de ferramentas, bibliotecas e papers. Requisitos e qualificações: Formação Acadêmica: Pós-Graduação / MBA Ensino superior completo em Ciência da Computação, Engenharia, Estatística, Matemática ou áreas correlatas. Pós-graduação ou especialização em Inteligência Artificial, Ciência de Dados ou áreas afins.