Formação AcadêmicaGraduação em Ciência da Computação, Engenharia da Computação ou áreas correlatas;Mestrado ou Doutorado em Inteligência Artificial, Processamento de Linguagem Natural (NLP), Aprendizado de Máquina, Deep Learning ou áreas afins. Principais AtividadesPesquisa Científica e Liderança Técnica;Definir hipóteses científicas, protocolos experimentais e métricas de avaliação;Planejar e executar experimentos para validação de novos modelos, arquiteturas e metodologias;Conduzir estudos comparativos e análises estatísticas de desempenho;Orientar pesquisadores, analistas e engenheiros na condução de atividades de P&D;Garantir rigor científico, reprodutibilidade e conformidade metodológica;Redigir e revisar artigos científicos, relatórios técnicos e patentes;Apoiar a elaboração de propostas técnicas para projetos financiados por agências de fomento.Principais Habilidades Atuação sólida em pesquisa aplicada e desenvolvimento experimental em IA;Domínio de métodos científicos, desenho experimental e análise estatística;Capacidade de transformar desafios científicos em soluções tecnológicas com impacto;Experiência na comunicação de resultados científicos para públicos técnicos, gestores e agências de fomento;Conhecimento em modelos de Linguagem de Grande Escala (LLMs) e NLP avançado;Dominar Machine Learning e Deep Learning supervisionado, não supervisionado e auto-supervisionado;Entender sobre avaliação de modelos, definição de métricas e análise de desempenho;Dominar escrita, revisão e submissão de artigos científicos, escrita técnica para patentes, relatórios técnicos e documentos de projetos de P&D.Habilidades desejáveisPublicações em conferências e periódicos científicos relevantes em IA/NLP;Experiência com modelos multimodais (texto, áudio, vídeo e sensores);Atuação prévia em centros de pesquisa, laboratórios de P&D ou projetos financiados por agências públicas;Experiência em projetos colaborativos academia–indústria.TecnologiasLinguagens: Python (avançado), Bash, C/C++;Frameworks e Bibliotecas de IA: PyTorch, TensorFlow, Hugging Face (Transformers, Datasets), Scikit-learn;NLP e LLMs: Fine-tuning, RAG (Retrieval-Augmented Generation), Prompt Engineering, avaliação e benchmarking de modelos;MLOps para Pesquisa: Docker, Kubernetes, Git, CI/CD, versionamento de dados e experimentos (DVC, LakeFS);Infraestrutura Computacional: Ambientes HPC e Cloud (AWS, GCP, Azure) para treinamento e inferência;Engenharia de Dados: SQL, NoSQL, Data Lakes, pipelines de dados, Apache Spark;Arquitetura de Software Científico: APIs REST, microsserviços, reprodutibilidade e rastreabilidade de experimentos;Monitoramento Científico: Métricas de modelos, detecção de drift de dados e auditoria de experimentos.IdiomaInglês Avançado.Show more Show less