📍 BrasilRemotoPublicada 22 de setembro de 2026 · recém publicadacapturada em 22/09/2026
ANÁLISE DE COMPATIBILIDADE COM IA
Será que seu currículo passa pelo filtro desta vaga?
Envie seu CV e descubra, em segundos, sua compatibilidade real com Data Science Sênior | Remoto — o que já atende, e onde seu currículo pode estar perdendo aderência.
100% grátis
Resultado em segundos
Sem criar conta pra ver o preview
grátis · leva menos de 1 minuto
Descricao da vaga
.
Responsabilidades e atribuicoes
Desenvolver modelos preditivos e algoritmos de machine learning para resolver problemas complexos de negócio;
Conduzir a exploração, análise, validação e interpretação de dados com foco em impacto mensurável;
Extrair e transformar dados em bases relacionais utilizando SQL;
Desenvolver soluções analíticas, automações e processos de manipulação de dados utilizando Python;
Aplicar modelagem estatística e técnicas de machine learning à análise de dados;
Utilizar bibliotecas e frameworks de machine learning, deep learning e visualização para construção de soluções analíticas;
Desenvolver soluções envolvendo NLP, IA Generativa, LLMs e RAG (Retrieval-Augmented Generation);
Atuar como interface entre negócio e TI;
Apresentar resultados e insights para públicos não técnicos;
Apoiar a tomada de decisão baseada em dados para objetivos de negócio.
Requisitos
Experiência com Python para manipulação de dados, automações e desenvolvimento de soluções analíticas;
Conhecimento em SQL para extração e transformação de dados em bases relacionais;
Conhecimento em modelagem estatística e técnicas de machine learning;
Experiência com Scikit-learn, Streamlit e Matplotlib/Pyplot;
Conhecimento em TensorFlow e PyTorch;
Conhecimento em NLP, IA Generativa, LLMs e RAG (Retrieval-Augmented Generation);
Experiência com cloud computing em AWS e Azure;
Experiência com notebooks, como Jupyter e Databricks;
Experiência com ferramentas de experimentação, como MLflow;
Conhecimento em bibliotecas estatísticas, como Statsmodels e SciPy;
Experiência na aplicação de técnicas supervisionadas, não supervisionadas e deep learning;
Comunicação para interface com áreas técnicas e de negócio;
Capacidade de apresentar resultados para públicos não técnicos.