Description Cientista de Dados Sênior Estamos buscando um(a) Cientista de Dados Sênior talentoso(a) e experiente para se juntar à nossa equipe. Este(a) profissional será fundamental para impulsionar a tomada de decisões estratégicas por meio da análise avançada de dados, do desenvolvimento de modelos e da geração de insights acionáveis. Como Cientista de Dados Sênior, você terá a oportunidade de liderar projetos complexos de ponta a ponta, desde a concepção e recebimento dos dados até a implementação e o monitoramento de soluções de machine learning e IA Generativa em produção. Você trabalhará em colaboração com diversas áreas, traduzindo desafios de negócios em problemas de dados e comunicando resultados de forma clara e impactante. Buscamos um(a) profissional proativo(a), com forte capacidade analítica, visão estratégica e paixão por transformar dados em valor para o negócio. Se você é um líder técnico nato, com experiência comprovada em ciência de dados e busca um ambiente desafiador e inovador, essa é a sua chance! Responsabilidades: Liderar e executar projetos complexos de ciência de dados, desde a definição do problema até a entrega da solução. Desenvolver e implementar modelos preditivos e algoritmos de machine learning (clássicos e deep learning) e soluções de IA Generativa/LLMs (incluindo RAG, fine-tuning e prompt engineering). Realizar análise exploratória de dados para identificar padrões, tendências e oportunidades de melhoria. Projetar e implementar pipelines de dados eficientes para coleta, limpeza, transformação e armazenamento de grandes volumes de dados. Colaborar com engenheiros de dados para garantir a escalabilidade, segurança e confiabilidade das soluções de dados e de GenAI. Comunicar de forma clara e concisa os resultados das análises e modelos para stakeholders técnicos e não técnicos, incluindo a liderança executiva. Traduzir problemas de negócios em problemas de dados e propor soluções inovadoras baseadas em análise de dados e IA. Avaliar e implementar novas tecnologias e metodologias de ciência de dados, incluindo frameworks de GenAI e LLMOps. Definir e aplicar padrões de governança, responsabilidade e segurança para uso de modelos (incluindo políticas de privacidade e mitigação de vieses). Contribuir para a definição da estratégia de ciência de dados e IA da empresa, atuando como referência técnica e multiplicador(a) de conhecimento. Competências Essenciais: Graduação em engenharia química e outras engenharias, ciência da computação e/ou ciência de materiais, com forte conhecimento e experiência em ciência de dados (análise, estatística e aprendizado de máquina). Pós-graduação em engenharia ou ciência de dados é desejada. Mínimo de 8 anos de experiência no espaço de análise de dados, big data e ML, incluindo liderança técnica de projetos. Inglês avançado. Conhecimento em Inteligência Artificial Generativa (GenAI) e LLMs, com experiência prática em aplicações corporativas (P&D, manufatura, supply chain, manutenção preditiva, qualidade, eficiência operacional, atendimento ao cliente, etc.). Sólida vivência em comunicação com stakeholders, visão de negócios e tomada de decisão orientada por dados. Técnicas (Hard Skills): Linguagens de Programação: Python (Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch), R (desejável). Modelagem Preditiva e ML: Regressão, Classificação, Clustering, Séries Temporais, Deep Learning, NLP tradicional e moderno. GenAI/LLMs: Modelos de linguagem (ex.: GPT, LLaMA, Mistral) — prompt engineering, RAG, fine-tuning e evaluation. Frameworks e ferramentas: Hugging Face, LangChain, Azure OpenAI Service (desejável), OpenAI API, vetorização e vectordb (FAISS, pgvector, Pinecone, ou equivalentes). Avaliação e monitoramento de LLMs (factualidade, segurança, toxicidade, alucinação, rastreabilidade), com métricas e benchmarks apropriados. Estatística e Probabilidade: Testes de Hipóteses, ANOVA, Regressão, Inferência, desenho de experimentos. Visualização de Dados: Tableau, Power BI, Matplotlib, Seaborn ou ferramentas similares; storytelling com dados. Engenharia de Dados: ETL/ELT, Data Warehousing, Data Lakes/Lakehouse, Spark (PySpark desejável), Delta Lake, Databricks (desejável). Cloud: Azure (desejável), AWS ou GCP; serviços gerenciados de ML/AI (ex.: Azure AI, Azure ML, AWS SageMaker, Vertex AI). Bancos de Dados: Relacionais (SQL Server, PostgreSQL, MySQL) e NoSQL (MongoDB, Cassandra). MLOps/LLMOps: Deploy de modelos, versionamento (MLflow, DVC), CI/CD, monitoramento, re-treinamento, governança e segurança de modelos (incluindo logging e auditoria de interações com LLMs). Boas Práticas e Compliance: Privacidade e proteção de dados (LGPD), gestão de metadados, qualidade de dados, segurança e controles de acesso. Comportamentais (Soft Skills): Liderança Técnica: Capacidade de influenciar e guiar tecnicamente a equipe, atuando como mentor(a). Pensamento Estratégico: Habilidade de alinhar projetos de dados e GenAI com os objetivos de negócios. Excelente Capacidade Analítica e de Resolução de Problemas Complexos. Comunicação Eficaz: Clareza e objetividade na comunicação com diferentes públicos, com storytelling e visualização de resultados. Colaboração e Trabalho em Equipe: Atuação transversal com tecnologia, produto, operações e negócio. Gerenciamento de Projetos: Planejamento, execução e monitoramento com métodos ágeis (Scrum/Kanban). Proatividade e Autonomia; Aprendizado Contínuo e Adaptabilidade. Evangelização de IA: Capacidade de educar stakeholders sobre oportunidades, riscos e melhores práticas de IA Generativa. Visão de Negócios: Entendimento do impacto da ciência de dados e GenAI nos resultados da empresa.