Cientista de Dados Sênior

Sobre nossa área

Somos uma equipe multidisciplinar de Advanced Analytics e IA integrada à Diretoria de Dados da Porto. 

Atuamos conectados diretamente às verticais de negócio, como parceiros estratégicos que aceleram as ambições da Porto, usando dados como principal combustível para impactar diretamente nos resultados,na eficiência operacional e otimizar a experiência dos nossos milhões de clientes.

Se você tem paixão por resolver problemas complexos de negócio usando dados de ponta, oportunidade para arquitetar soluções do zero e habilidade para traduzir o "tecniquês" para metas de negócio, seu lugar é aqui.

Procuramos um(a) Cientista de Dados Sênior para compor nossa Diretoria de Dados Corporativa e conduzir a criação de soluções analíticas avançadas que impactem diretamente nossos negócios. Você será responsável por desenhar, desenvolver e escalar soluções baseadas em dados, modelos preditivos e análises avançadas que impactem diretamente nos resultados da Porto.

Modelagem Avançada: Desenvolver, validar e colocar em produção modelos preditivos e prescritivos complexos (Machine Learning, Deep Learning, NLP, etc.).

Estratégia de Negócio: Traduzir desafios de negócio em problemas de dados, atuando como ponte entre a área técnica e as frentes de negócio.

Maturidade de MLOps: Garantir o ciclo de vida dos modelos (desenvolvimento, deploy, monitoramento de drift e retraining) em parceria com o time de Engenharia de Dados.

Mentoria: Apoiar o desenvolvimento técnico de profissionais mais juniores e plenos do time, disseminando boas práticas de código e modelagem.

Inovação: Investigar novas técnicas, algoritmos e ferramentas de IA (incluindo GenAI/LLMs quando aplicável) para manter a Porto na vanguarda tecnológica.

Experiência Sólida: Forte atuação prévia como Cientista de Dados, com histórico comprovado de modelos implementados em produção.

Domínio Técnico: Excelência em Python ou R e manipulação de dados com SQL.

Machine Learning: Domínio profundo de algoritmos supervisionados e não supervisionados (XGBoost, LightGBM, Random Forest, Redes Neurais, etc.) e métricas de avaliação.

Cloud & Big Data: Experiência prática em ambientes de nuvem (preferencialmente GCP) e ferramentas de Big Data (Big Query, Vertex AI).

MLOps: Familiaridade com ferramentas de versionamento e deploy de modelos (Git, MLflow, Docker, etc.).

Formação: Graduação em Estatística, Ciência da Computação, Engenharia, Matemática, Economia ou áreas correlatas.