Atividades Atuar em todas as etapas do ciclo de vida de ciência de dados: coleta, tratamento, modelagem, validação, deploy e monitoramento de modelos. Desenvolver e manter pipelines de Machine Learning (treinamento, inferência, versionamento e automação). Implementar pipelines de MLOps e LLMOps, incluindo CI/CD, controle de versionamento de dados, prompts e modelos e monitoramento de performance. Desenvolver soluções em Python, utilizando boas práticas de engenharia de software e reprodutibilidade. Construir e otimizar pipelines de dados integrando fontes diversas, garantindo qualidade e governança. Aplicar métodos estatísticos e técnicas de aprendizado supervisionado e não supervisionado para resolver problemas de negócio. Trabalhar em parceria com times de engenharia, produto e negócio, traduzindo desafios técnicos em resultados mensuráveis. Requisitos Formação superior em Ciência da Computação, Engenharia, Estatística, Matemática ou áreas correlatas. Experiência em projetos de ciência de dados aplicados a negócios. Domínio em Python e bibliotecas de ciência de dados (pandas, numpy, scikit-learn, etc.). Experiência prática com MLOps (implementação de pipelines de ML, CI/CD, versionamento de modelos, deploy e monitoramento em produção). Conhecimento sólido em SQL e manipulação de bases de dados relacionais e não relacionais. Vivência com modelagem estatística e métricas de desempenho de modelos. Familiaridade com ferramentas de visualização de dados (Looker Studio, Power BI, Tableau ou similares). Diferenciais: Experiência com Vertex AI Model Garden, experimentação com Gemini e tuning de modelos via Vertex AI.